AI Papers Daily

#Evidence Aggregation

3 篇

Beyond Frame Selection: Generative Latent Evidence Aggregation for Long-Video Understanding

超越帧选择：长视频理解的生成式隐式证据聚合

🧭 视频理解 · 隐式证据聚合

The Hong Kong University of Science and Technology · Baidu Inc. · Alibaba Group · Xidian University

通过查询条件分布引导隐式证据聚合，在帧选择后生成紧凑跨帧证据，以极低成本大幅提升长视频理解准确率

📌 工作参考价值（3 点）

• 视频推荐或直播理解任务中，可借鉴隐式证据聚合模块，以微小开销增强多帧/多片段信息的跨时刻融合。
• 自适应证据调用机制可迁移至推理阶段动态计算分配：根据查询难度决定是否插入额外计算模块，控制延迟。
• 用于长序列用户行为建模时，可参照查询条件分布对历史行为片段加权聚合，提升关键信息提取效率。

Multimodal | 2026-07-30 | cs.CV | score 6/10

Long-Video UnderstandingEvidence AggregationLatent EvidenceCross-Frame IntegrationAdaptive InferenceMultimodal LLM

EviRank: Evidence-Based Confidence Estimation for LLM-Based Ranking

EviRank：基于证据的 LLM 排序置信度估计

🧭 LLM 重排序 · 置信度估计 ★ 深度解读

Xidian University

通过单次前向传播提取三种证据并融合，实现位置级置信度估计与重排序，同时提升推荐质量和不确定性建模。

📌 工作参考价值（4 点）

• 可直接复用单次前向传播提取置信度的思路：从 LLM 的 hidden state 计算语义差距、注意力熵、输出概率差，无需多轮采样，推理零额外开销，适合在线重排场景。
• 位置感知校准的 NDCG 折扣目标可迁移至电商推荐：将置信度校准为与位置重要性一致，用 (confidence * NDCG weight) 进行 sigmoid 映射，缓解 LLM 输出概率普遍偏低的扁平分布问题。
• 可靠意见聚合中的可靠性系数值得借鉴：按各证据源自身的不确定性动态加权融合，比简单平均或 Dempster 组合更鲁棒，可应用于多信号融合的 Agent 决策或排序融合。
• 置信度加权重排公式简洁有效：用置信度缩放 logits 再 softmax，结合 BPR 损失端到端训练，可直接嵌入现有 LLM4Rerank 管道，适合电商场景中候选集重排。

RecSys | 2026-06-03 | cs.IR | score 10/10

LLM RankingConfidence EstimationEvidence AggregationPosition-aware Calibration

LATERN: Test-Time Context-Aware Explainable Video Anomaly Detection

LATERN：测试时上下文感知可解释视频异常检测

🧭 视频异常检测 · 上下文感知VLM

University of Iowa

通过上下文感知评分与递归证据聚合，使冻结VLM在测试时能生成连贯的事件级异常解释。

📌 工作参考价值（4 点）

• 图像扎根的记忆机制：根据帧多样性和视觉-文本对齐选择性保留历史帧作为上下文，可借鉴到多模态推荐中的时序行为建模，动态保留关键交互帧以增强长期兴趣理解。
• 递归证据聚合：分层聚合片段分数形成事件级决策，类似于 Agent 的多轮推理或层次化决策，可用于电商直播中的违规行为检测，从连续帧中逐步确认违规事件。
• 冻结 VLM 的测试时增强：不微调模型，仅通过外部记忆和聚合提升性能，适用于难以快速微调的大模型，可在商品描述异常检测或虚假评论识别中叠加类似轻量上下文模块。
• 解释一致性优化：显式要求事件级解释需跨段时间一致，对电商客服 Agent 的多轮对话摘要或推荐理由生成有参考价值，避免片段式、前后矛盾的输出。

Multimodal | 2026-05-14 | cs.CV | score 6/10

Video Anomaly DetectionVision-Language ModelsContext-AwareTest-TimeEvidence AggregationExplainability