OneStreamer：统一流式视频交互中的感知、记忆与主动响应

OneStreamer 通过共享的主动生成过程，联合学习与查询无关的证据记录和任务响应，其 Proactive Hierarchical Caption Memory（PHCM）可生成带时间定位的局部细节描述与已完成事件的摘要。流式描述目标用于监督对已观测视频前缀的理解，从而在不牺牲实时感知的前提下形成可复用的事实记忆。