**AskStream：在视频流理解的不确定性下，主动询问何时与何事**

_AskStream: When and What to Ask Proactively under Uncertainty in Streaming Video Understanding_

> 针对现有主动式视频理解模型在信息不确定时易陷入无限等待或产生幻觉的问题，研究提出了 AskStream 框架，引入“主动询问”作为第三种交互动作。该框架建立了首个涵盖视频与用户不确定性的多轮视频流理解基准，包含 438 个视频及 2714 个标注的时间窗口。实验表明，即使在多选题和开放式问答设置下，最强模型在主动询问指标上的表现仍仅为 52.18%，揭示了当前模型在不确定性环境下主动信息寻求能力的显著局限。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-30 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.38678)