**线性缩放视频VLM实现长视频理解**

_Linear Scaling Video VLMs for Long Video Understanding_

> 本文提出StateKV方法，通过固定容量的重要性基循环状态传递跨帧上下文，实现长视频VLM的线性时间预填充，无需微调或架构更改，在多个基准测试中保持接近全自注意力的性能，并降低计算成本，使更大模型在固定预算下获得更高精度。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.31598)