据了解，其中一篇论文聚焦视频理解大模型研究，推出全自研的Q-Frame核心技术，创新性地推出了行 业首个动态帧选择与分辨率自适应框架，也是首个无需训练，市面上各类视频理解大模型基座均可即插 即用的算法框架。拥有三大行业首次创新：跨模态查询检索（Cross-modal Query Retrieval, CQR）、查 询感知帧选择（Query-aware Frame Selection, QFS）、多分辨率自适应（Multi-Resolution Adaptation, MRA），通过精准捕捉跟用户问题最相关的视频关键内容，将有效信息量提升5倍。 另一篇论文则提出了持续学习框架Analytic Subspace Routing (Any-SSR)，成功解决了大语言模型在持续 学习领域的核心难题——"灾难性遗忘"问题。"灾难性遗忘"一直是困扰行业发展的关键瓶颈，严重影响 了大语言模型在持续学习过程中的性能稳定性与知识积累能力。Any-SSR框架开创性地通过分析路由机 制，动态地把不同任务分配到独立子空间学习，避免任务间知识干扰，同时，利用低秩适应（Low- Rank Adaptation, LoRA）与分析路由相结 ...