Google等团队提出视频智能体StreamVibe

Google联合斯坦福、牛津等机构提出视频智能体StreamVibe，目标是让AI自行判断何时开口，并能区分用户明确说出、未说出口和任务中途改变的三类意图。研究团队称，基于Qwen3.5-9B训练的StreamVibe-VL在响应时机与质量上提升10.7%，配套记忆系统将主动交互再提升12.3%。 但测试显示，视频超过5分钟后，所有模型都难以选对发言时机；基于自身历史回答的关键内容指标最多下降61.5%。研究人员承认，真实场景可能比测试环境更复杂，后续将研究用户偏好与环境如何随时间相互影响。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。