Trong bài này
Cách tiếp cận mới với video dài
Google giới thiệu agentic video understanding cho một số model Gemini Flash. Thay vì xử lý toàn bộ video ở cùng mức chi tiết, hệ thống có thể chủ động quét và chọn các đoạn cần xem sâu hơn tùy câu hỏi.
Hiệu quả tài nguyên
Google cho biết trong thử nghiệm của họ, cách tiếp cận này có thể giảm tới 88% lượng token, giảm tới 66% chi phí và cải thiện chất lượng tới 7% trong một số bài đánh giá. Những con số này phụ thuộc loại video và tác vụ.
Ứng dụng thực tế
Cơ chế này phù hợp với video dài như camera, đào tạo, cuộc họp, nội dung media hoặc kho tư liệu lớn, nơi người dùng chỉ cần truy xuất một số khoảnh khắc hoặc sự kiện cụ thể.
Cần kiểm thử trên dữ liệu thật
Tự chọn đoạn xem có thể tiết kiệm đáng kể nhưng cũng đặt ra câu hỏi về việc model có bỏ sót đoạn quan trọng hay không. Với tác vụ kiểm tra tuân thủ hoặc pháp lý, vẫn cần chiến lược kiểm chứng riêng.