热点事件持续更新
ThinkV2V：推理驱动指令视频编辑框架
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026 年 10 月 1 日，arXiv cs.CV 刊出 ThinkV2V，一个推理驱动的指令引导视频编辑框架。其核心思路是在视觉生成之前先激活 MLLM 进行思考，并把模型对源视频与指令的思考结果转化为 DiT 的条件信号，从而以推理带动编辑。方法层面结合了渐进式课程训练与推理时的思考扩展；资源层面配套发布了 ThinkV2V-150K 数据集和 ThinkV2V-Bench 基准。据该报道，5B 规模的 DiT 模型在复杂与标准编辑场景中均达到 SOTA，并大幅超越 10B 规模的基线。目前尚无其他来源的后续报道，事件仍停留在论文发布阶段。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
arXiv 发布 ThinkV2V，以 MLLM 推理驱动视频编辑，5B 模型在复杂与标准场景均达 SOTA。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv cs.CVThinkV2V：释放 MLLM 推理能力，实现指令引导的视频编辑
ThinkV2V 是一个推理驱动的指令引导视频编辑框架，在视觉生成前先激活 MLLM 思考，并把对源视频与指令的思考转化为 DiT 的条件信号。它结合渐进式课程训练与推理时思考扩展，并配套 ThinkV2V-150K 数据集和 ThinkV2V-Bench 基准。5B 规模的 DiT 模型在复杂与标准编辑场景均达 SOTA，大幅超越 10B 规模基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。