**Video-DeepResearch：下一代多模态深度研究智能体**

_Video-DeepResearch: Towards the Next-Generation Multimodal Deepresearch Agent_

> HuggingFace社区论文提出Video-DeepResearch框架，将多模态智能体从静态图像扩展至连续视频流分析。该框架通过解耦感知-探索流水线与分阶段工具解锁机制，有效解决当前模型的模态偏见与参数知识泄漏问题。在Video-DR-Bench基准测试中，Video-DeepResearch-35B-A3B以64.0%的平均准确率超越Claude-4.5-Sonnet，创下新SOTA。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-08-05 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2608.03979)