Light-Omni：以反射式响应取代迭代推理的长时记忆视频智能体

Light-Omni提出一种面向连续长时视频流的轻量多模态智能体框架，以全局状态和参数化潜在状态在单次前向中构建上下文、生成检索嵌入并驱动动作，减少视频代理对迭代式搜索和证据聚合的依赖。论文报告其相较M3-Agent平均准确率提升2.4%，速度提升12.1倍，GPU内存效率提升2.6倍。