Video-DeepResearch는 ‘검색’ 전에 비디오 근거를 강제한다
Video-DeepResearch는 프레임 선택과 객체 crop 검색을 먼저 수행하게 한 뒤 웹 탐색을 풀어 주는 단계적 tool policy, SFT+GRPO 학습, 그리고 실제 시각 근거를 요구하는 VideoDR-Bench를 제안한다.
Tag3 posts
#Multimodal Agents
글 목록
MMSkills는 시각 에이전트 스킬을 멀티모달 절차 기억으로 만든다
MMSkills는 SKILL.md 절차에 상태 카드와 시각 keyframe을 결합하고, 런타임에는 branch loading으로 필요한 증거만 검토하게 만드는 시각 에이전트용 멀티모달 스킬 프레임워크다.
OpenSearch-VL은 멀티모달 검색 에이전트를 재현 가능한 훈련 레시피로 바꾼다
OpenSearch-VL은 데이터 합성, 시각·검색 도구 환경, fatal-aware GRPO를 하나의 공개 레시피로 묶어 프론티어급 멀티모달 딥서치 에이전트를 재현하려는 시도다.