**AVA-Encoder:面向Agent的原生视频表示学习**

_AVA-Encoder: Towards Agent-Native Video Representation Learning_

> HuggingFace社区热门论文提出AVA-Encoder框架,通过将视频转换为结构化知识图谱表示,使AI Agent能够直接理解和操作视频内容。该方法利用文本梯度优化实现视频重建,在实验中相比最强基线提升20.7个百分点,同时减少74.3%的系统提示词token消耗。研究团队同步发布了完整的框架、视频重建基准测试及首个高质量电影知识图谱数据集。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:ai-models
- **发布时间**:2026-08-19 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2608.12313)