**LEAP:面向长音视频感知的学习式分块证据检索框架** _LEAP: Learned Block-wise Evidence Retrieval for
原帖
**LEAP:面向长音视频感知的学习式分块证据检索框架**
_LEAP: Learned Block-wise Evidence Retrieval for Long Audio-Video Perception_
> LEAP 提出一种解决小时级音视频问答上下文困境的新框架。通过将录音划分为固定时长块并采用轻量级定位路径筛选高价值窗口,LEAP 实现了证据检索与推理的解耦,使上下文长度独立于录音时长。该框架支持流式推理,并在多个基准测试中显著优于 Qwen3-Omni 和 MiniCPM-o 等基线模型。
**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39938)