FORGE无需训练，在推理时选择更相关且互补的长视频帧子集。
推荐理由：问题抓得准：长视频中无关帧会稀释MLLM准确率；FORGE用查询条件下的相关性与正交性选帧，提供低成本提升长视频理解的路径。
阅读原文