模型 ·2026年7月30日 · 约 1 分钟读完 ·arxiv.org Mage-VL用视频编解码信号减少75%视觉词元 微软Mage团队开发,稀疏采样关键区域,实现高效视频流式理解与主动交互 A 原文来源 arxiv.org https://arxiv.org/abs/2607.24904 打开原文