LEAP：面向长音视频感知的学习式分块证据检索

LEAP 是一个让模型自行检索证据、无需将整段录像放入同一上下文的长音视频问答框架。它把录像切成固定时长分块，用轻量定位流程为每块内的候选短窗口打分，再将排名最高的窗口汇聚并在一次有界回答流程中重新编码，以缓解整段编码耗尽上下文与均匀时间压缩稀释细粒度音视频证据的两难。