LatentStream thay đổi cách xử lý video từ lưu trữ truyền thống sang nội hóa dữ liệu, giúp AI suy luận chính xác trong môi trường bộ nhớ hạn chế. Phương pháp này thiết lập chuẩn mực mới (SOTA) trên các bộ dữ liệu video trực tuyến và ngoại tuyến.
Video-IFBench là bộ tiêu chuẩn đánh giá chuyên sâu khả năng tuân thủ chỉ dẫn của các mô hình đa phương thức (MLLM) khi xử lý video, thông qua 1.500 mẫu thử nghiệm với độ phức tạp cao. Kết quả cho thấy các mô hình hiện nay vẫn gặp khó khăn lớn với các yêu cầu đa ràng buộc và cấu trúc phức tạp.
MoTE tối ưu hóa mô hình ngôn ngữ lớn bằng cách chuyển đổi các lớp feed-forward thành các chuyên gia đặc thù cho từng nhiệm vụ, giúp tăng độ chính xác trong hiểu video mà vẫn tiết kiệm tài nguyên tính toán.