Le filThèmes : AgentsRechercheÉvaluations
VideoLoop combine deux boucles pour limiter la dérive sémantique des agents de vidéo longue
1 sourcemis à jour 30 sept.pertinence 3,3 sur5
L’essentiel
Une boucle interne récupère d’anciens éléments et réécrit une mémoire de travail bornée. VideoLoop améliore quatre modèles LVLM de 4,2 points en moyenne sur VideoMME (long) et atteint 88,3 % avec Gemini 3.1 Pro.
Propagation1 article, publié par HF Daily Papers le 30 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJinfa Huang, Jianming Xu, Jingyang Lin et al.huggingface.co
VideoLoop: Looped Working Memory Against Semantic Thrashing in Long-Form Video Agents (site externe)
VideoLoop addresses semantic thrashing in long-form video agents with two coupled loops: an outer loop that reasons over video and an inner loop that retrieves past artifacts and rewrites a bounded working memory.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5