VideoSeeker: Incentivizing Instance-level Video Understanding via Native Agentic Tool Invocation
Fuente:
arXiv
Salvato in:
| Autori principali: | Zhao, Yiming, Zeng, Yu, Huang, Wenxuan, Fang, Zhen, Miao, Qing, Su, Qisheng, Zhao, Jiawei, Cai, Jiayin, Chen, Lin, Chen, Zehui, Qi, Yukun, Hu, Yao, Jiang, Xiaolong, Zhao, Feng |
|---|---|
| Natura: | Preprint |
| Pubblicazione: |
2026
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
Documenti analoghi
V2P-Bench: Evaluating Video-Language Understanding with Visual Prompts for Better Human-Model Interaction
di: Zhao, Yiming, et al.
Pubblicazione: (2025)
di: Zhao, Yiming, et al.
Pubblicazione: (2025)
VideoSeek: Long-Horizon Video Agent with Tool-Guided Seeking
di: Lin, Jingyang, et al.
Pubblicazione: (2026)
di: Lin, Jingyang, et al.
Pubblicazione: (2026)
VCR-Bench: A Comprehensive Evaluation Framework for Video Chain-of-Thought Reasoning
di: Qi, Yukun, et al.
Pubblicazione: (2025)
di: Qi, Yukun, et al.
Pubblicazione: (2025)
Agentic Jigsaw Interaction Learning for Enhancing Visual Perception and Reasoning in Vision-Language Models
di: Zeng, Yu, et al.
Pubblicazione: (2025)
di: Zeng, Yu, et al.
Pubblicazione: (2025)
LongVT: Incentivizing "Thinking with Long Videos" via Native Tool Calling
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
di: Yang, Zuhao, et al.
Pubblicazione: (2025)
Weaver: End-to-End Agentic System Training for Video Interleaved Reasoning
di: Shi, Yudi, et al.
Pubblicazione: (2026)
di: Shi, Yudi, et al.
Pubblicazione: (2026)
ACC: Compiling Agent Trajectories for Long-Context Training
di: Su, Qisheng, et al.
Pubblicazione: (2026)
di: Su, Qisheng, et al.
Pubblicazione: (2026)
Personalized Video Summarization by Multimodal Video Understanding
di: Chen, Brian, et al.
Pubblicazione: (2024)
di: Chen, Brian, et al.
Pubblicazione: (2024)
Deep Video Discovery: Agentic Search with Tool Use for Long-form Video Understanding
di: Zhang, Xiaoyi, et al.
Pubblicazione: (2025)
di: Zhang, Xiaoyi, et al.
Pubblicazione: (2025)
Re-Invoke: Tool Invocation Rewriting for Zero-Shot Tool Retrieval
di: Chen, Yanfei, et al.
Pubblicazione: (2024)
di: Chen, Yanfei, et al.
Pubblicazione: (2024)
Towards Fine-grained Large Object Segmentation 1st Place Solution to 3D AI Challenge 2020 -- Instance Segmentation Track
di: Chen, Zehui, et al.
Pubblicazione: (2020)
di: Chen, Zehui, et al.
Pubblicazione: (2020)
Advancing and Benchmarking Personalized Tool Invocation for LLMs
di: Huang, Xu, et al.
Pubblicazione: (2025)
di: Huang, Xu, et al.
Pubblicazione: (2025)
SurgMotion: A Video-Native Foundation Model for Universal Understanding of Surgical Videos
di: Wu, Jinlin, et al.
Pubblicazione: (2026)
di: Wu, Jinlin, et al.
Pubblicazione: (2026)
STVG-R1: Incentivizing Instance-Level Reasoning and Grounding in Videos via Reinforcement Learning
di: Zhang, Xiaowen, et al.
Pubblicazione: (2026)
di: Zhang, Xiaowen, et al.
Pubblicazione: (2026)
MomentSeeker: A Task-Oriented Benchmark For Long-Video Moment Retrieval
di: Yuan, Huaying, et al.
Pubblicazione: (2025)
di: Yuan, Huaying, et al.
Pubblicazione: (2025)
Flow-OPD: On-Policy Distillation for Flow Matching Models
di: Fang, Zhen, et al.
Pubblicazione: (2026)
di: Fang, Zhen, et al.
Pubblicazione: (2026)
SyncVIS: Synchronized Video Instance Segmentation
di: Zheng, Rongkun, et al.
Pubblicazione: (2024)
di: Zheng, Rongkun, et al.
Pubblicazione: (2024)
VideoExplorer: Think With Videos For Agentic Long-Video Understanding
di: Yuan, Huaying, et al.
Pubblicazione: (2025)
di: Yuan, Huaying, et al.
Pubblicazione: (2025)
Long Video Understanding with Learnable Retrieval in Video-Language Models
di: Xu, Jiaqi, et al.
Pubblicazione: (2023)
di: Xu, Jiaqi, et al.
Pubblicazione: (2023)
VideoARM: Agentic Reasoning over Hierarchical Memory for Long-Form Video Understanding
di: Yin, Yufei, et al.
Pubblicazione: (2025)
di: Yin, Yufei, et al.
Pubblicazione: (2025)
KnowCoder-A1: Incentivizing Agentic Reasoning Capability with Outcome Supervision for KBQA
di: Chen, Zhuo, et al.
Pubblicazione: (2025)
di: Chen, Zhuo, et al.
Pubblicazione: (2025)
CodeTool: Enhancing Programmatic Tool Invocation of LLMs via Process Supervision
di: Lu, Yifei, et al.
Pubblicazione: (2025)
di: Lu, Yifei, et al.
Pubblicazione: (2025)
ShareGPT4Video: Improving Video Understanding and Generation with Better Captions
di: Chen, Lin, et al.
Pubblicazione: (2024)
di: Chen, Lin, et al.
Pubblicazione: (2024)
Beyond Training: Dynamic Token Merging for Zero-Shot Video Understanding
di: Zhang, Yiming, et al.
Pubblicazione: (2024)
di: Zhang, Yiming, et al.
Pubblicazione: (2024)
Agentic Video Intelligence: A Flexible Framework for Advanced Video Exploration and Understanding
di: Gao, Hong, et al.
Pubblicazione: (2025)
di: Gao, Hong, et al.
Pubblicazione: (2025)
Towards Event-oriented Long Video Understanding
di: Du, Yifan, et al.
Pubblicazione: (2024)
di: Du, Yifan, et al.
Pubblicazione: (2024)
Real-Time Video Generation with Pyramid Attention Broadcast
di: Zhao, Xuanlei, et al.
Pubblicazione: (2024)
di: Zhao, Xuanlei, et al.
Pubblicazione: (2024)
Incentivizing Temporal-Awareness in Egocentric Video Understanding Models
di: Xu, Zhiyang, et al.
Pubblicazione: (2026)
di: Xu, Zhiyang, et al.
Pubblicazione: (2026)
VideoThinker: Building Agentic VideoLLMs with LLM-Guided Tool Reasoning
di: Li, Chenglin, et al.
Pubblicazione: (2026)
di: Li, Chenglin, et al.
Pubblicazione: (2026)
ComPASS: Towards Personalized Agentic Social Support via Tool-Augmented Companionship
di: Huang, Zhaopei, et al.
Pubblicazione: (2026)
di: Huang, Zhaopei, et al.
Pubblicazione: (2026)
Instance Tracking in 3D Scenes from Egocentric Videos
di: Zhao, Yunhan, et al.
Pubblicazione: (2023)
di: Zhao, Yunhan, et al.
Pubblicazione: (2023)
Skill or Skip? Learning Selective Skill Invocation in Agentic Tasks via Dual-Granularity Preference Learning
di: Chen, Chishui, et al.
Pubblicazione: (2026)
di: Chen, Chishui, et al.
Pubblicazione: (2026)
Hybrid 3D Human Pose Estimation with Monocular Video and Sparse IMUs
di: Bao, Yiming, et al.
Pubblicazione: (2024)
di: Bao, Yiming, et al.
Pubblicazione: (2024)
AffectSeek: Agentic Affective Understanding in Long Videos under Vague User Queries
di: Zhang, Zhen, et al.
Pubblicazione: (2026)
di: Zhang, Zhen, et al.
Pubblicazione: (2026)
InstanceV: Instance-Level Video Generation
di: Chen, Yuheng, et al.
Pubblicazione: (2025)
di: Chen, Yuheng, et al.
Pubblicazione: (2025)
CRITICTOOL: Evaluating Self-Critique Capabilities of Large Language Models in Tool-Calling Error Scenarios
di: Huang, Shiting, et al.
Pubblicazione: (2025)
di: Huang, Shiting, et al.
Pubblicazione: (2025)
An Efficient Streaming Video Understanding Framework with Agentic Control
di: Liu, Jinming, et al.
Pubblicazione: (2026)
di: Liu, Jinming, et al.
Pubblicazione: (2026)
FocusView: Understanding and Customizing Informational Video Watching Experiences for Viewers with ADHD
di: Zhu, Hanxiu 'Hazel', et al.
Pubblicazione: (2025)
di: Zhu, Hanxiu 'Hazel', et al.
Pubblicazione: (2025)
FocusView: Understanding and Customizing Informational Video Watching Experiences for Viewers with ADHD
di: Zhu, Hanxiu 'Hazel', et al.
Pubblicazione: (2025)
di: Zhu, Hanxiu 'Hazel', et al.
Pubblicazione: (2025)
Vision-DeepResearch: Incentivizing DeepResearch Capability in Multimodal Large Language Models
di: Huang, Wenxuan, et al.
Pubblicazione: (2026)
di: Huang, Wenxuan, et al.
Pubblicazione: (2026)
Documenti analoghi
-
V2P-Bench: Evaluating Video-Language Understanding with Visual Prompts for Better Human-Model Interaction
di: Zhao, Yiming, et al.
Pubblicazione: (2025) -
VideoSeek: Long-Horizon Video Agent with Tool-Guided Seeking
di: Lin, Jingyang, et al.
Pubblicazione: (2026) -
VCR-Bench: A Comprehensive Evaluation Framework for Video Chain-of-Thought Reasoning
di: Qi, Yukun, et al.
Pubblicazione: (2025) -
Agentic Jigsaw Interaction Learning for Enhancing Visual Perception and Reasoning in Vision-Language Models
di: Zeng, Yu, et al.
Pubblicazione: (2025) -
LongVT: Incentivizing "Thinking with Long Videos" via Native Tool Calling
di: Yang, Zuhao, et al.
Pubblicazione: (2025)