提出第一/第三人称视角程序性理解框架

2026-10-02，arXiv cs.CV 发布一项工作，提出一个紧凑框架，用于第一人称与第三人称视角下的程序性理解。该框架通过时序分割与语义抽象，把连续的多模态工作场所视频转换为结构化的 Procedural State Memory（程序状态记忆），并实现为 Work Environment Model（WEM）。事件此前的标题为“提出自我/外部视角程序理解框架”，新报道将视角表述明确为第一人称与第三人称，并补充了时序分割、语义抽象的技术路径与 WEM 这一具体实现形式。报道未涉及作者、数据集、评测结果等信息，目前进展仍为框架提出阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。