Le filThèmes : RechercheAgents
CoEvoWhen fait coévoluer les politiques et les outils pour localiser des événements dans de longues vidéos
1 sourcemis à jour il y a 6 jpertinence 2,8 sur5
L’essentiel
Ce framework produit une compétence réutilisable sans mettre à jour les paramètres du VLM. Sur cinq benchmarks et trois VLM, les auteurs rapportent une meilleure précision et moins de tokens visuels.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYiduo Jia, Muzhi Zhu, Jinchuan Shi et al.huggingface.co
CoEvoWhen: Policy-Tool Coevolution for Ultra-Long Video Temporal Grounding (site externe)
We introduce CoEvoWhen, a policy-tool coevolution framework for ultra-long video temporal grounding.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
PUBG Ally, un agent incarné vocal, joue comme coéquipier d’IA dans PUBG : BATTLEGROUNDS
Agents
DAEDALUS construit une mémoire d’agent à partir de tâches que des agents génèrent eux-mêmes
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
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