视频大模型

R-AVST: Empowering Video-LLMs with Fine-Grained Spatio-Temporal Reasoning in Complex Audio-Visual Scenarios

R-AVST：通过细粒度时空推理增强视频大语言模型以应对复杂音频视觉场景

Lu Zhu, Tiantian Geng, Yangye Chen, Teng Wang, Ping Lu, Feng Zheng

专题命中 长视频与时序推理 ：video understanding(abstract)；分类 cs.CV

AI总结 R-AVST通过细粒度时空推理提升视频大语言模型，构建首个真实世界音频视觉时空推理数据集，并提出AVST-Zero模型增强推理能力。

Comments Accepted by AAAI 2026. Project page: https://github.com/zhlllau/R-AVST

TARFVAE: Efficient One-Step Generative Time Series Forecasting via TARFLOW based VAE

TARFVAE：通过TARFLOW基于VAE实现高效的单步生成时间序列预测

Jiawen Wei, Lan Jiang, Pengbo Wei, Ziwen Ye, Teng Song, Chen Chen, Guangrui Ma

机构 * Meituan（美团） 纠错

专题命中 长视频与时序推理 ：video generation(abstract)

AI总结 TARFVAE结合Transformer自回归流与VAE，实现高效单步生成时间序列预测，提升预测效率与性能。