·技术, 多模态
1 分钟0
全双工语音模型精读⑪：流式视频理解 VLM 全景——从音频全双工到'边看边想边开口'
> 本文基于开源文献地图仓库 Awesome-VLM-Streaming-Videohttps://github.com/ydyhello/Awesome-VLM-Streaming-Video（京东探索研究院维护）做一次领域全景梳理。它汇集了 2024–2026 年"流式/在线视频理解"方
·技术, 多模态
1 分钟0
流式视频理解 VLM 精读：领域地图——从全双工语音到'边看边想边开口'
> 本文是「流式视频理解 VLM 精读」系列的开篇（总览/索引篇）。系列素材来自开源文献地图 Awesome-VLM-Streaming-Videohttps://github.com/ydyhello/Awesome-VLM-Streaming-Video（京东探索研究院维护），它汇集了
·技术, 多模态
1 分钟0
流式视频理解 VLM 精读①：主动交互——模型到底应该何时开口？
> 这是「流式视频理解 VLM 精读」系列第 1 篇。上一篇是领域地图，这篇扎进最核心也最微妙的问题：流式视频模型凭什么决定自己"该不该开口、什么时候开口"？ 一个看似简单、实则很难的问题 人陪你看球赛，进球时会喊"进了！"，但不会每分钟都喊。这份"何时说话"的直觉，对 VLM 而