#Inference-Time - AI Papers Daily

Before It Fades: Reinforcing Temporal Representations at Inference Time in VideoLLMs

在推理时强化视频LLM的时序表示

🧭 视频LLM时序推理的推理时激活注入

Korea Advanced Institute of Science and Technology (KAIST)

发现时序信息在中间层达到峰值后逐渐消失，提出无需训练的 Temporal Activation Injection (TAI) 在推理时注入激活以强化时序推理

📌 工作参考价值（3 点）

在电商/内容平台使用 VideoLLM 做商品视频、直播切片、短视频广告素材理解时，可直接在推理阶段集成 TAI（无需训练），提升对时间顺序类问题的回答准确率，如“主播先展示哪款商品后再讲解优惠”、“使用步骤的先后”等；对非时序任务几乎无副作用，适合即插即用。
TAI 的核心是层间时序分歧曲线的测量与衰减补偿，这一诊断思路可迁移到多模态 LLM 的推荐场景：对商品属性、价格、款式等特定信息做层间表示分析，定位表达该信息的关键层，为后续推理时干预、提示设计或模型裁剪提供依据。
在 Agent 工作流中若包含视频理解子模块，TAI 仅增加一次前向的激活注入，工程实现简单、延迟开销小；可复用其从分歧向量峰值处提取信号并沿层衰减回注的做法，作为强化特定模态/时序能力的通用推理时增强手段。

Multimodal | 2026-09-30 | HF Daily | score 6/10

CODE：面向开放世界目标检测的跨模态校准与动态抑制

🧭 多模态基础模型的开放世界检测

Beijing Institute of Technology

提出推理时跨模态校准与动态抑制框架，在 OWOD 基准上 U-mAP/K-mAP 分别提升 2.6/2.3 点

📌 工作参考价值（4 点）

多模态检索/推荐中常见的单向 text-to-vision 匹配可用全局视觉原型校准文本驱动分数，缓解文字描述与商品图像之间的语义歧义，适合商品搜索、广告创意匹配等场景。
对冷启动或未入库新品，可借鉴「从局部视觉响应测量分类犹豫度」的思路，检测模型不确定的区域并将其强化为潜在未知商品，辅助发现新类目或 UGC 中的未标商品。
在 query/商品类目分类中，用 margin-aware 动态离群点抑制替代刚性阈值，能保留决策边界附近的模糊样例，减少对长尾 query 的误杀，提升召回。
整套方法是推理时框架，不重新训练基础模型，可作为插件层覆盖现有 VLM/多模态 API，适合快速验证跨模态校准与 OOD 检测策略。

Multimodal | 2026-08-27 | cs.CV | score 6/10