UCL 团队开源 VAM：把长视频转为视觉记忆，再让模型智能体检索

伦敦大学学院团队开源长视频理解框架 VAM（Visual Agentic Memory），通过在线索引、分层记忆与智能体检索，把视频转为可回溯的视觉记忆。在 OVO-Bench 上 VAM 取得 68.41 的 RT+BT 平均分排名第一，底座模型一致时性能提升约 1 个百分点；在跨度 51 天、总时长 105.6 小时的 MM-Lifelong 测试中也展现出高效表现。论文与核心代码已公开。