一种基于大语言模型的动态迭代式长视频理解方法

本发明提供了一种基于大语言模型的动态迭代式长视频理解方法，步骤1，对视频理解任务进行数学建模与分析；步骤2，对用户输入的视频进行预处理，通过问答Agent进行初步推理；步骤3，进行自监督信息反馈，在推理过程中的每一步都引入评判Agent对答案进行认知；步骤4，采用问答准确率、平均检索帧数作为评价指标进行定量分析，验证方法的有效性；采用用户提供的任一视频和问题进行定性分析，验证结果是否符合预期。该方法通过模拟人类逻辑思维链的动态优化过程，实现了视频内容的智能分析与推理。本发明广泛应用于视频智能分析、视频问答系统、视频内容推荐等领域，有利于推动长视频快速理解与精准推理的技术发展。