VideoSearch-R1：通过软查询细化实现迭代式视频检索与推理

VideoSearch-R1提出一个结合视频检索与细粒度时序定位的智能体框架，允许系统在初次检索失败后继续交互式搜索。其核心是软查询细化（SQR），在连续潜空间调整查询令牌，并通过GRPO利用检索和下游任务奖励联合训练。论文报告其在三个数据集的VCMR任务上达到当前最佳表现，并公开代码与模型检查点。