QASLR：用查询感知流式潜在推理增强长视频 VLM 嵌入

研究者提出 QASLR（Query-Aware Streaming Latent Reasoning），一个后训练框架，在固定嵌入大小下跨视频片段累积证据，解决长视频嵌入中稀疏查询相关证据难以捕捉的问题。该方法选取有界帧集合、恢复其时序顺序，并用视觉语言骨干逐片段处理，避免均匀采样漏掉短视频事件，也无需在单一上下文编码更多帧而增加内存与计算。