**VideoJev：基于System One范式的视频理解与交互模型**

_VideoJev: System One Model for Video Understanding and Interaction_

> VideoJev将视频理解转化为结构化决策任务，通过共享头替代自回归解码，统一了时间定位与视频问答。该模型利用缓存推理和联合推理复用视觉计算，在保持性能的同时显著提升了推理速度，为视觉智能体提供了高效、可复用的决策接口。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.18615)