2026 年 11 月 1 日消息，据 The Decoder 报道，谷歌研究团队发布 StreamVibe 项目，让视频 AI 在用户观看过程中主动判断该在什么时刻提供帮助，而非被动等待提问。该系统基于 Qwen3.5-9B 基座构建。
4,100 个样本与 20,546 个帮助点
训练集由 4,100 个样本组成，覆盖 183.4 小时视频，累计标注出 20,546 个帮助点。标注按意图分为三类，分别给出 600、2,000 与 1,500 个样本额度。评估环节采用 Gemini 2.5 Flash 生成提议加 4 位人工评审全通过的机制。
结果显示，接入时机质量提升 10.7%，额外加入记忆系统后指标再提升 12.3%。但代价同样明显，长视频的 Content F1 最多下降 61.5%，5 分钟以上的片段几乎抓不准时机。这套方法在短内容上有效，在长内容上仍不实用。
基准分数与基座模型对比
在 EgoProactive 宏指标上，系统从 46.2 提升到 59.5；IPIBench 理解维度从 9.8 提升到 20.4。不过评测也显示，Gemini 3.8 Flash 在同一任务上仍然更强，Qwen3.5-9B 只是提供了可行性基线，并未在绝对能力上超越闭源模型。数据配比上，团队使用 7 万条 SFT 与 1.5 万条强化学习数据，构成 StreamVibe-85K，并混入 76.8 万条通用流式样本，论文发布在 arXiv 2610.34662。
让模型学会在正确时刻开口，是长视频助手绕不开的一环。谷歌给出的答案目前只在分钟级内容上成立，更长的内容则需要另一套记忆与索引机制。世界模型方向的其他进展，可参考Genie 4 原生音频与视频生成拆解。
延伸阅读
- 阶跃STEPX Neo：首款L3智能体手机13日亮相4 周前
- 英伟达 DSX POD 发布：AI 工厂部署从 6 个月压缩到 14 天2 周前
- Gemini 3.5 Live Translate 发布：70+ 语言实时语音互译，译文只比原声慢几秒1 月前
- 腾讯发布TAI智能座舱智能体：线索到店率提升24%，集群利用率98.4%9 小时前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- Adobe EditAgent：600次盲评42.7%无可用结果，7模型全胜微调2026-11-02
- 腾讯发布TAI智能座舱智能体：线索到店率提升24%，集群利用率98.4%2026-11-02
- DoorDash 称智能体订单仅几百单 9 月才上线文本下单2026-11-01
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记