ReTAC：残差式测试时计算的视频推理框架

Yike Wu 等作者发布 ReTAC，一个免训练的多智能体视频空间推理框架，主张测试时算力应“残差化”分配：只为基座模型未解决的需求增加算力，局部失败后只重算受影响的状态。 框架通过规划步骤获取缺失的空间证据，用阶段对齐验证把失败定位到规划、感知或推理环节，再由依赖关系恢复机制复用未受影响的状态。作者称，在三个主流 MLLM 和两个基准上，ReTAC 取得对比方法中的最高综合得分。 该论文以预印本形式发布，尚未见同行评审或独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。