ADEPT：用于交互式视频检索的熵驱动双策略代理

这项研究旨在解决由模糊用户查询引起的海量数据集视频检索的挑战。流行的单轮检索范例面临性能瓶颈，因为它们缺乏有效的反馈机制来处理复杂的搜索意图。根本原因是“意图-查询差距”，即用户的意图无法通过简单的文本查询捕获。为了解决这个问题，我们提出了 ADEPT 框架：一个 无需训练 代理，它开创了熵驱动的决策引擎，通过在 ASK 和 REFINE 策略之间动态选择来有效地指导对话。对两个具有挑战性的数据集的实验表明，ADEPT 显着优于所有非交互式、启发式和 Video-LLM 基线。这项工作的核心贡献是一种高效且可解释的熵驱动交互策略，为交互视频检索领域树立了新的性能基准。