論文の概要: VideoResearcher: Self-Improving Tool Design for Long-Video Understanding

• arxiv url: http://arxiv.org/abs/2609.19664v1
• Date: Thu, 17 Sep 2026 04:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.0961
• Title: VideoResearcher: Self-Improving Tool Design for Long-Video Understanding
• Title（参考訳）: VideoResearcher:ロングビデオ理解のための自己改善ツール
• Abstract要約: VideoResearcherは、ビデオ理解のためのツールを自律的に設計、テスト、洗練する、トレーニング不要のマルチエージェントフレームワークである。 自己改善剤の最先端性能を達成し、人間設計の上界にアプローチする。
• 参考スコア（独自算出の注目度）: 48.056230109444016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video agents have made substantial progress in long-video understanding. Yet effective video-agent systems require costly, time-consuming manual design and trial and error. Current self-improvement methods either refine low-impact prompts, recombine predefined micro-tools, or struggle with convergence in harness optimization. To bridge this gap, we target high-impact video-tool with VideoResearcher, a training-free multi-agent framework that autonomously designs, tests, and refines tools for video understanding, like a human researcher. VideoResearcher operates through dual Solving and Evolving loops: it analyzes tool-use trajectories to identify capability gaps, coordinates specialized agents to develop and validate executable tools, and reuses evolved tools to strengthen evidence acquisition in subsequent video reasoning. Through iterative tool refinement and validation, it progressively strengthens evidence acquisition without updating model parameters. VideoResearcher achieves state-of-the-art performance among self-improving agents and approaches the human-designed upper bound, demonstrating a training-free paradigm for long-video understanding that expands agent capabilities through autonomous tool development while reducing costly manual engineering.
• Abstract（参考訳）: ビデオエージェントは、長いビデオ理解においてかなりの進歩を遂げた。 しかし、効果的なビデオエージェントシステムは、コストが高く、時間を要する手動設計と試行錯誤を必要とする。 現在の自己改善手法は、低インパクトプロンプトを洗練させたり、予め定義されたマイクロツールを再結合させたり、ハーネス最適化における収束に苦慮している。 このギャップを埋めるために、私たちは、人間の研究者のように、ビデオ理解のためのツールを自律的に設計、テスト、洗練するトレーニング不要のマルチエージェントフレームワークであるVideoResearcherで、ハイインパクトなビデオツールをターゲットにしています。 VideoResearcherは、ツール使用軌跡を分析して能力ギャップを特定し、特殊なエージェントをコーディネートして実行可能なツールを開発し、検証し、進化したツールを再利用して、その後のビデオ推論におけるエビデンス獲得を強化する。 反復的なツールの改良と検証を通じて、モデルパラメータを更新することなく、証拠の取得を徐々に強化する。 VideoResearcherは、自己改善エージェントの最先端のパフォーマンスを達成し、人間設計の上界にアプローチし、コストのかかる手動エンジニアリングを削減しつつ、自律的なツール開発を通じてエージェント能力を拡大する、長期的な理解のためのトレーニング不要のパラダイムを実証する。

関連論文リスト

• Thinking Beyond Videos: Unifying Video Reasoning and Deep Research for Open-World Video Agents [50.87605650923757]
  我々は,ビデオトリミング,マルチモーダル検索,Webページブラウジングを協調する統合ビデオディープリサーチフレームワークであるVideoRoverを紹介する。 ビデオ検索のペアが与えられたら、VideoRoverはそれぞれのツールの結果を使って次のアクションを選択する。 この機能を開発するために,26KのSFTトラジェクトリと3Kの挑戦的RLインスタンスを生成する自動データキュレーションパイプラインを構築した。
  論文  参考訳（メタデータ） (2026-08-24T14:42:23Z)
• Deep Video Discovery: Agentic Search with Tool Use for Long-form Video Understanding [60.88843818016968]
  長時間のビデオ理解は時間空間の複雑さと質問応答の難しさによって大きな課題を呈する。 セグメント化されたビデオクリップ上でのエージェント検索戦略を活用するために,Deep Video Discovery (DVD) エージェントを提案する。 当社のDVDエージェントは,LVBenchデータセット上での最先端性能を実現し,74.2%の精度を実現した。
  論文  参考訳（メタデータ） (2025-05-23T16:37:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。