通过联合潜在推理和视觉观察，将多轮视频智能体能力迁移到小模型。
推荐理由：框架保留观察既支撑当前回答、又决定下一步取证的双重作用，弥补文本蒸馏丢失搜索线索的问题；这有助于小模型学习主动浏览长视频而非被动摘要。
阅读原文