arXiv cs.AI· Zhixin Zeng, Jiahao Zhong·· 13 小时前AI 评分38
Cassette-Editor：像你一样剪辑的视频编辑智能体
Cassette-Editor: A Video Editing Agent That Edits the Way You Do
AI 导读
Cassette-Editor 是一个视频编辑智能体，只用一个工具读取项目、一个工具写入项目，所有写入都经过与用户手动编辑相同的执行器、规则和提交服务，要么原子提交，要么被拒绝并给出定位诊断和修复选项。在受控实验中，真实模型面对 277 条被破坏的自身已提交编辑，几乎全部纠正；定位问题使一次纠正所需输入 token 降至不到一半，且其纠正在一个案例中丢弃了模型写入的其他值，而非七个。
正文 · AI 翻译
摘要：语言智能体越来越多地通过在持久化产物（例如代码仓库）上调用工具来工作，每次调用的结果都会影响其下一步行动。视频编辑是这一模式中要求很高的案例：某一帧显示的内容取决于每个片段如何被裁剪、调整时间、裁切和嵌套，因此关于素材的知识只对它在时间线上的特定用法成立，而一次无效的编辑可能使时间线在结构上遭到破坏。现有的视频编辑智能体通过评审智能体、审核者或受限的输出格式来保持编辑有效。我们提出 Cassette-Editor，一个具有刻意简化接口的视频编辑智能体：一个工具读取项目，一个工具写入项目。每次写入都经过与用户手动编辑相同的执行器、规则和提交服务，要么原子化提交，要么被拒绝并附带定位诊断和修复选项，而模型保留创意选择并决定如何恢复。读取操作将素材的已存储分析与它在时间线上的每次使用关联起来。在一项受控实验中，一个真实模型在 277 次自身已提交的编辑被破坏后查看了这些编辑。它在完整或最小反馈下几乎纠正了每一次调用，但定位每个问题使一次纠正所需的输入 token 减少到不足一半，并且其纠正在一种情况下丢弃了模型写入的其他值，而不是七种情况。
| 评论： | 8 页，4 幅图，2 张表。预印本；评估将在未来版本中扩展 |
| 主题： | 多媒体（cs.MM）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.37690 [cs.MM] |
| （或 arXiv:2610.37690v1 [cs.MM] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.37690 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Zhixin Zeng [查看电子邮件]
[v1]
2026 年 10 月 19 日星期一 14:27:55 UTC（415 KB）
来源：arXiv cs.AI · arxiv.org