LEAP permet à un modèle de retrouver lui-même les preuves dans des enregistrements audio-vidéo longs
1 sourcemis à jour il y a 6 jpertinence 2,8 sur5
L’essentiel
LEAP découpe l’enregistrement en blocs, repère des fenêtres candidates, puis les réencode pour une seule passe de réponse. Il améliore Qwen3-Omni-30B-A3B de 4,5 à 16,8 % sur plusieurs benchmarks AVQA.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJuyi Lin, Zhiqiang Lao, Jiali Cui et al.huggingface.co
LEAP: Learned Block-wise Evidence Retrieval for Long Audio-Video Perception (site externe)
Hour-scale audio-visual question answering is constrained by a context dilemma: dense whole-recording encoding rapidly exhausts context limits, whereas uniform temporal compression severely dilutes fine-grained acoustic and visual evidence.
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
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