appletea233/OneSearch-VL
问一段视频里的人物是谁，模型可以截一帧、搜网页、给出名字。难题从这里才开始：如果答案还要比较两段镜头、计算出现次数，或把画面里的物体与网页上的事实合在一起，仅保存一句“搜索过了”无法核对推理过程。《OneSearch-VL》在10月8日提交，给这种检索过程做了一张“视觉证据图”：节点记录画面中的具体区域、视频帧、网页事实，连线写明答案怎样由它们比较、拼接或计算出来。
仓库状态可能随时间变化，开放范围与使用条件请查看项目自身的许可证和说明。
问一段视频里的人物是谁，模型可以截一帧、搜网页、给出名字。难题从这里才开始：如果答案还要比较两段镜头、计算出现次数，或把画面里的物体与网页上的事实合在一起，仅保存一句“搜索过了”无法核对推理过程。《OneSearch-VL》在10月8日提交，给这种检索过程做了一张“视觉证据图”：节点记录画面中的具体区域、视频帧、网页事实，连线写明答案怎样由它们比较、拼接或计算出来。
仓库状态可能随时间变化，开放范围与使用条件请查看项目自身的许可证和说明。