**InternVideo3：用多模态上下文推理实现基础模型代理化**

_InternVideo3: Agentify Foundation Models with Multimodal Contextual Reasoning_

> InternVideo3框架通过多模态上下文推理（MCR）将长视频理解视为闭环证据累积过程，结合多模态多头潜在注意力（M^2LA）压缩KV缓存，确保效率。经持续预训练、监督微调与强化学习后，在Video-MME等基准上表现优异，并可作为带检索工具的视频代理，证明高效上下文处理与闭环推理对开放多模态模型实现长时程视觉代理至关重要。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.12195)