研究用原始视频训练Qwen3-1.7B

1. 12:00
   arXiv · Computer Vision

   研究用原始视频中训练 Qwen3-1.7B

   论文研究中训练 Qwen3-1.7B 使用无标注原始视频的可行性，把帧编码为连续视觉 token 并让模型预测下一个视觉 token。在 YT-Temporal-1B 原始片段上中训练后，四个视频基准平均高 2.9 分、十个图像基准平均高 5.1 分，14 个文本基准平均 48.9 对 48.0，文本表现保持。

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.