Google等团队提出视频智能体StreamVibe

Google 联合斯坦福、牛津等机构提出视频智能体 StreamVibe，目标是让助手在用户做饭或组装家具时自行判断何时开口。团队构建了约 4100 条样本、来自 183 小时以上日常与软件录屏的基准，覆盖明确指令、模糊目标和中途变更三类场景，并训练 StreamVibe-VL 逐秒决定是否发言，配合强化学习减少打扰、独立记忆系统跟踪任务状态。 研究团队称，StreamVibe-VL 在回应时机和质量上比其他模型提升 10.7%，记忆系统设计上可再提升主动交互 12.3% 并减少不必要打扰。研究人员同时承认，真实场景可能比测试环境更复杂，后续将研究用户偏好与环境如何随时间相互影响。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。