video-llms

论文提出 Temporal Activation Injection (TAI)，通过分析 VideoLLM 中帧序反转引发的层间表征差异（temporal divergence vector），在推理时沿实测衰减曲线重新注入时序信息，无需训练即可在三个 VideoLLM 和四个基准上一致提升时序推理能力。

TempCloze 是一个视频完形填空基准，用于评估视频大语言模型中的视觉时序推理，要求模型从干扰项中识别缺失的视频片段，以减少在语义、对齐和进展方面的语言捷径。

LiteFrame提出了一种轻量级视频编码器，采用压缩令牌蒸馏（Compressed Token Distillation）训练，可降低延迟，并使视频大语言模型能够处理8倍以上的帧数以实现长视频理解，在降低计算量的同时提高准确性。