RecodeX 重构消息,清华大学、北京大学与字节跳动等机构的研究人员发布视频语言模型ALIVE,相关论文已上传至arXiv。该模型面向实时视频流,可在画面中同时管理多名用户提出的请求,并在信息不足时主动追问补充。当用户预设的条件在画面中出现时,ALIVE无需额外指令即可发出提醒。研究团队强调,其研究对象并非视频生成技术,而是模型在观看实时视频时判断何时作出响应的能力。论文指出,现有流媒体视频模型往往持续观察画面,却仍需逐一回答单个问题。