Прежде чем исчезнет: Укрепление временных представлений на этапе инференса в VideoLLMs

Статья решает проблему временного рассуждения в Video Large Language Models (VideoLLMs), где изменение порядка кадров видео часто не влияет на окончательный результат. Исследование представляет метод Temporal Activation Injection (TAI), который улучшает временное рассуждение без обучения, демонстрируя последовательные улучшения в нескольких моделях и тестах.