#边看边想

流式视频理解 VLM 精读④：边看边想（Streaming + CoT）——模型看视频时能「想一想」吗？

> 这是「流式视频理解 VLM 精读」系列第 4 篇。前三篇分别讲了"开口、记忆、速度"，这篇是一个既有"智能"又有"品味"的新方向：让模型一边看视频一边输出推理（Chain-of-Thought），并且学会把握"想多久才算够"。 为什么"边看边想"这么难？ 单看"看视频后再推理"