原始來源The Decoder
摘要
Google 公布 StreamVibe，一款會觀看使用者作業過程（例如烹飪、組裝）並自行判斷何時出聲協助的影片 AI 代理。它由 Google 與史丹佛、牛津等機構共同開發，StreamVibe-VL 建立在阿里巴巴的 Qwen3.5-9B 之上，導入記憶系統與強化學習來改善介入時機、減少不必要打擾。在約 4,100 個範例、超過 183 小時影片的測試中，它在時機與主動互動上比基礎開源模型高出約 10% 至 12%，但部分任務仍由專有的 Gemini 模型領先。研究也點出長影片理解的難題：維持長時間連貫對話、避免漏接線索或給錯提示，以及追蹤隨時間變動的指示；若忽略歷史紀錄，表現可能下降多…
重點整理
- 開發即時影音助理的團隊可借鏡其記憶與強化學習設計，並預期長影片一致性仍需額外工程投入。
- 為想打造即時影音助理的產品團隊，提供「何時介入」這項核心難題的實驗數據。
編輯說明
本頁是 Code & Chain 對公開來源的編輯摘要，可能使用 AI 輔助整理並經自動化流程發布。請以原始來源為準；內容不構成投資、法律或稅務建議。