标签
# 论文页面 - EasyVideoR1：让视频理解的强化学习更简单 来源：[https://huggingface.co/papers/2604.16893](https://huggingface.co/papers/2604.16893) ## 摘要 EasyVideoR1 提出了一个高效的视频理解强化学习框架，可提升训练吞吐量，支持多种视频任务，并实现图像-视频联合训练，在多个基准测试上进行全面评估。[可验证奖励强化学习](https://huggingface.co/papers
Pegasus 1.5 是 TwelveLabs 推出的一款 AI 模型，旨在将视频内容转换为基于时间的元数据，从而实现自动化的视频理解和索引。
# 论文页面 - OmniScript：面向长篇幅电影视频的视听脚本生成 来源：[https://huggingface.co/papers/2604.11102](https://huggingface.co/papers/2604.11102) ## 摘要 本文提出了一项新颖的视频到脚本任务，并同步介绍了 OmniScript——一个 80 亿参数的全模态语言模型，该模型通过渐进式流水线技术训练，用于长篇幅叙事理解与时间定位。当前的[多模态大语言模型](https://huggingface.co/papers?