·技术, 多模态
1 分钟0
流式视频理解 VLM 精读②：长时记忆——无限视频流怎么记住？
> 这是「流式视频理解 VLM 精读」系列第 2 篇。上一篇讲"何时开口"，这篇讲"开口时还记得什么"——视频是无限流，但模型的注意力窗口和显存是有限的，怎么做到"几个小时后还记得之前发生的事"？ 记忆问题的本质 看过几小时球赛，人记得"上半场有个越位没吹"。但 VLM 做不到直接
> 这是「流式视频理解 VLM 精读」系列第 2 篇。上一篇讲"何时开口"，这篇讲"开口时还记得什么"——视频是无限流，但模型的注意力窗口和显存是有限的，怎么做到"几个小时后还记得之前发生的事"？ 记忆问题的本质 看过几小时球赛，人记得"上半场有个越位没吹"。但 VLM 做不到直接
> 这是「流式视频理解 VLM 精读」系列第 3 篇。前两篇解决"要不要说、还记得吗"，这篇解决一个更现实的问题：就算你又主动又记得住，如果不够快，体验直接归零。视频是实时的，模型响应也要接近实时。 实时推理的两大硬指标 流式视频模型的"快"不是玄学，业界普遍盯着两个数： 1.