VideoResearcher：长视频理解的自我改进工具设计

视频智能体在长视频理解方面取得了实质性进展。然而，有效的视频代理系统需要昂贵且耗时的手动设计和反复试验。当前的自我改进方法要么完善低影响提示，重新组合预定义的微型工具，要么努力解决Harness优化的收敛问题。为了弥补这一差距，我们将目标定为高影响力的视频工具 VideoResearcher，这是一种无需训练的多代理框架，可以像人类研究人员一样自主设计、测试和完善视频理解工具。 VideoResearcher 通过双重求解和进化循环进行操作：它分析工具使用轨迹来识别能力差距，协调专门代理来开发和验证可执行工具，并重用进化工具来加强后续视频推理中的证据获取。通过迭代工具细化和验证，它逐步加强证据获取，而无需更新模型参数。 VideoResearcher 在自我改进的智能体中实现了最先进的性能，并接近人类设计的上限，展示了一种无需训练的长视频理解范例，通过自主工具开发扩展智能体的能力，同时减少昂贵的手动工程。