查询感知

先分流，再定位：面向长视频理解的按查询类型自适应帧选择

Divide, then Ground: Adapting Frame Selection to Query Types for Long-Form Video Understanding

提出按查询类型（全局/局部）分流的免训练帧选择策略：全局查询用均匀采样、局部查询才启用查询感知检索，可直接嵌入现有 LMM 长视频推理管线，在 256 帧输入下仍稳定提升，为长视频 token 预算分配提供可复用思路。