Google 联合斯坦福、牛津发布 StreamVibe 视频助手
Google 联合斯坦福、牛津等机构提出 StreamVibe，一个能自行判断何时开口的视频 Agent，可理解「遇到困难就帮我」这类模糊请求。团队构建了约 4100 个样本、183 小时日常与软件操作录像的基准，由 Gemini 2.5 Flash 生成建议、4 名人工评估者一致通过。基于 Qwen3.5-9B 训练的 StreamVibe-VL 每秒判断是否发言，第二阶段用强化学习让它更克制；独立记忆系统跟踪待办与已完成步骤。据论文，其响应时机与质量比其他模型提升 10.7%，记忆系统再提升主动交互 12.3%…
推荐理由想了解「主动式视频助手」当前真实水平的人可以看：提升只有 10.7%，且视频一长就失灵。