面试题库 › 算法 / 大模型 › 视频理解、审核与摘要 Agent 的设计

视频理解、审核与摘要 Agent 的设计

难度 ★★★在 1 场真实面经中被问到 方向:算法 / 大模型考点:Agent设计与场景

哪些公司问过

B站1

常见岗位:AI 应用 / Agent 开发

答案要点

  1. 多模态解析:镜头切分与关键帧、检测与 OCR、ASR 与声音事件、标题字幕弹幕
  2. 按时间戳对齐三路信息,形成片段级结构化描述
  3. 长视频分段处理再层次汇总,必要时按时间戳回查原片段
  4. 审核:规则加专用模型初筛,多模态大模型判断边界,按置信度拦截、限流、人工复审,保留申诉
  5. 摘要质量:要点附时间戳出处,用人工标注与事实一致性检查评估

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题