Deep Video Discovery

论文提出 Deep Video Discovery (DVD)，通过将长视频分割成多粒度片段并利用LLM推理能力自主规划工具获取信息来回答问题。在最新的推理模型OpenAI o3帮助下，DVI以74.2%准确率超越现有工作，在LVBench上大幅领先。