الملخص
تمت ترجمة أجزاء من هذه الصفحة آلياً وقد تحتوي على أخطاء.
يتطلب الدعم المرئي للفيديو المتدفق من النماذج أن تجيب عن أسئلة غير متزامنة من بادئة مرصودة ضمن ميزانية سياق ثابتة. وتنمذج الطرق القائمة توقيت الاستجابة أو تضغط التاريخ، لكن حالة متصلة تتشكل قبل أن تُعرف الأسئلة المستقبلية قد تُغفل تفاصيل بصرية لا تتضح أهميتها إلا حين تكشف الأسئلة اللاحقة صلتها، والحالة المحفوظة وحدها لا تستطيع استعادتها. نقدم Watch-Think-Interact (WTI)، وهو إطار حلقة مغلقة للاستدلال على فيديو متدفق متعدد الأسئلة. يحافظ WTI على مدخلات ذاكرة مدمجة باللغة الطبيعية، موسومة بنطاقات زمنية من الفيديو الأصلي؛ وتدعم هذه المدخلات الاستدلال المباشر عند كفايتها، وإلا تكون مرساة لاستدعاء انتقائي لأدلة بصرية أدق. ولكل سؤال يجيب WTI حين يكفي السياق الحالي والذاكرة، أو يواصل المشاهدة حين لم تظهر الأدلة المطلوبة، أو يستدعي فترة ماضية ذات صلة ثم يقرر من جديد بعد دمج المقاطع المسترجعة، دون إعادة تشغيل كامل التاريخ المرصود. ولتدريب هذا السلوك نبني WTI-82K، الذي يضم 82335 سؤالًا موقوتًا عبر 4812 مسارًا محاذى سببيًا، ونطور Stream-GDPO لتحسين مسارات التدفق الكاملة متعددة الأسئلة باستخدام تغذية راجعة على مستوى المسار لتوقيت الاستجابة واستدعاء الفيديو المصدر وتحديثات الذاكرة. ويحقق WTI أداءً إجماليًا متقدمًا بين خطوط أساس التدفق مفتوحة المصدر المقارنة، فيبلغ 83.3% على StreamingBench و73.6% دقة إجمالية موزونة على OVO-Bench.
الكلمات المفتاحية
الموضوع
بيانات النشر
- المجلة
- غير متاح
- وصول مفتوح
- وصول مفتوح أخضر
اقتبس هذه المقالة
APA 7
Huang, Z., Bao, Y., Li, X., Gao, Z., Liu, B., Li, K., Shen, Y., Li, B., Wang, X., Wang, C., & He, G. (2026). شاهد-فكّر-تفاعل: تمهيد الاستدلال على الفيديو المتدفق متعدد الأدوار وطويل الأفق بالتعلم المعزز. https://omanscience.com/ar/articles/watch-think-interact-bootstrapping-long-horizon-multi-turn-streaming-video-reasoning-with-reinforcement-learning
MLA 9
Huang, Ziheng, et al. "شاهد-فكّر-تفاعل: تمهيد الاستدلال على الفيديو المتدفق متعدد الأدوار وطويل الأفق بالتعلم المعزز." https://omanscience.com/ar/articles/watch-think-interact-bootstrapping-long-horizon-multi-turn-streaming-video-reasoning-with-reinforcement-learning.
شيكاغو (المؤلف–التاريخ)
Huang, Ziheng, Yicheng Bao, Xueheng Li, Zhenkun Gao, Bangwei Liu, Kunquan Li, Yuxiang Shen, Bangyan Li, Xuejiao Wang, Changbo Wang, and Gaoqi He. 2026. "شاهد-فكّر-تفاعل: تمهيد الاستدلال على الفيديو المتدفق متعدد الأدوار وطويل الأفق بالتعلم المعزز." https://omanscience.com/ar/articles/watch-think-interact-bootstrapping-long-horizon-multi-turn-streaming-video-reasoning-with-reinforcement-learning.
هارفارد
Huang, Z., Bao, Y., Li, X., Gao, Z., Liu, B., Li, K., Shen, Y., Li, B., Wang, X., Wang, C. and He, G. (2026) 'شاهد-فكّر-تفاعل: تمهيد الاستدلال على الفيديو المتدفق متعدد الأدوار وطويل الأفق بالتعلم المعزز', Available at: https://omanscience.com/ar/articles/watch-think-interact-bootstrapping-long-horizon-multi-turn-streaming-video-reasoning-with-reinforcement-learning.
فانكوفر
Huang Z, Bao Y, Li X, Gao Z, Liu B, Li K, et al. شاهد-فكّر-تفاعل: تمهيد الاستدلال على الفيديو المتدفق متعدد الأدوار وطويل الأفق بالتعلم المعزز. https://omanscience.com/ar/articles/watch-think-interact-bootstrapping-long-horizon-multi-turn-streaming-video-reasoning-with-reinforcement-learning
IEEE
Z. Huang, Y. Bao, X. Li, Z. Gao, B. Liu, K. Li, Y. Shen, B. Li, X. Wang, C. Wang, and G. He, "شاهد-فكّر-تفاعل: تمهيد الاستدلال على الفيديو المتدفق متعدد الأدوار وطويل الأفق بالتعلم المعزز," https://omanscience.com/ar/articles/watch-think-interact-bootstrapping-long-horizon-multi-turn-streaming-video-reasoning-with-reinforcement-learning.