arXiv · cs.CL· Yi Wang·· 1 天前AI 评分28
通过工具集剪枝与模态整合实现高效智能体音视频问答（AVQA）
Efficient Agentic Audio-Visual Question Answering through Toolset Pruning and Modality Consolidation
来源与原文
arXiv · cs.CL
作者：Yi Wang
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38960v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者在 OmniAgent 智能体基础上剪枝专用工具集，将音频与视觉专用工具逐步整合，构建出仅含全模态描述和全模态 QA 两个工具的精简智能体。该智能体在三个主流 AVQA 基准上达到与专用工具智能体相当或更高的准确率，同时推理成本降低约 70%。
来源：arXiv · cs.CL · arxiv.org