AI图鉴

AI图鉴首页 › AI 资讯 › Google希望视频AI理解人们在工作时需要什么

Google希望视频AI理解人们在工作时需要什么

来源:The Decoder · 发布时间:11-01 · 由 AI图鉴每小时自动聚合

Google领导的研究团队建造了StreamVibe,一个视频agent,旨在观察人们烹饪或组装家具,仅在需要帮助时才说话。 长椅

Google希望视频AI理解人们在工作时需要什么

一个由Google领导的研究团队拥有推出 StreamVibe,一个视频agent,旨在自行决定何时说话。 测试表明,对于今天的AI模型来说,这尤其困难。

Google,斯坦福,牛津,和几所美国大学的研究人员正在寻找一个助手,看着你做饭或组装家具,并且只在需要的时候说话。 与StreamVibe合作,他们制作了一个agent的视频,旨在理解甚至模糊的请求,比如"如果遇到任何困难,请帮助我".

据报纸报道,现有的视频助手是为"水开始沸腾时告诉我"等清晰的指令而建造的,因此他们很少发现不明的意图。 他们也很难追踪已经做过的事情,这导致他们重复建议或回复太晚,当用户在中途更改请求时,助手们经常坚持原指令。

一个更关心的助手的三个组成部分

为了衡量这个问题,团队从超过183小时的日常生活和软件录音中汇编了大约4100个基准测试的例子。 Gemini 2.5 数据 Flash建议何时提供帮助和说什么,而4名人类评估人员必须一致赞同每个例子。 测试包括三个阶段,包括明确的指示,模糊的目标,并要求随着时间推移而改变。 一个例子是,一个用户拆卸一个玩具挖掘器,要求更新进度,然后在3分钟后切换到要求质量检查。

从那里,研究人员训练了StreamVibe-VL,这个模型显然基于Alibaba的Qwen3.5-9B,它决定每秒是安静还是说话。 第二个训练阶段使用强化学习使模型更加保留,以免不断中断。 一个单独的内存系统追踪那些等待处理的请求和哪些步骤是完整的,尽管只有模型才能决定是否说话和说什么。

所有测试过的模型在连续操作中失去对话的跟踪

研究者认为,StreamVibe-VL比其他模型提高10.7%的反应时间和质量,而内存系统的设计则是为了促进12.3%的主动互动,减少不必要的中断,等等。

StreamVibe-VL一般会以宽边优势比其基础模型和其他开源模型强,尽管Google的专有Gemini 3.8 Flash在几次测试中得分更高。 根据论文,专业训练不会损害一般的视频理解。

模型往往在只需要在特定时刻决定一个即时是否合适时才发出正确的呼声。 但是,当他们处理整个视频,并且必须依靠自己先前的反应时,所有被测试系统的性能都会因为错误而急剧下降,而根据系统本身的历史,答复的关键内容衡量标准下降了61.5%。 在超过5分钟的视频中,模特们很少选择正确的时机,发现在很长的一段时间里跟踪一个改变的指令特别困难。

在一张关于将一张图片转换成黑白的GIMP教程中,在纸上和项目页面上记录的对比模型JoyAI 称中,完成的图像虽然用户尚未打开,但已经保存下来,同时StreamVibe-VL给出了正确的时机的下一步,如"Colors",然后是"Desaturate". 在用果酱制作卷面包的一步步指南中,其他模型只是描述了屏幕上发生的事情,如面包被扁,而StreamVibe-VL则建议先切除地壳。

研究者承认,现实世界的情况可能比他们的测试设置更为复杂,今后的工作将研究用户偏好和环境如何随着时间的推移相互影响。

Google一直致力于AI系统,目前积极分析视频。 9月,Google 推出 agent基于Gemini的视频分析,模型本身决定更仔细地检查哪些场景。 通过Gemini 4 Argon,Google最近还展示了AI如何在机器人视频中跟踪较长的动作序列和斑点错误。 StreamVibe的助手旨在了解随时发生的事情,并识别何时需要它的帮助。

在"主动奔驰基准测试"上,AI模型经常在视觉信息缺失时猜测或拒绝回答而不是提出具体问题。 一个单独的视频理解基准测试揭示了空间和时间推理的重大弱点。 而对于自主的AI agents来说,对话本身会损害性能,正如Microsoft研究者所显示的那样。

AI News Without the Hype – 由人类治愈

订阅THE DECODER免费阅读,每周AI通讯,我们独家的"AI雷达"前沿报告每年6次,全面存档访问,访问我们的评论部分。

现在订阅

读取全照。

订阅无韵报道。

- 全面查阅THE DECODER的每篇文章

- 没有广告

- 加入评论和社区讨论

- 每周通过邮件转载AI新闻

- 6x/年:"AI雷达"——对AI最重要的话题进行深度潜水。

- 每日AI新闻,总是最新的

- 我们完整的十年档案

- 由一个在AI工作10年以上的团队负责

订阅到 The Decoder

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(the-decoder.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 604 款 AI 工具分类导航 · 每日 AI 热门项目与动态