视频编辑智能体用单一读写工具保证编辑原子有效
资讯摘要
论文提出 Cassette-Editor，一个接口刻意简化的视频编辑智能体：一个工具读取项目，一个工具写入项目。所有写入都经过与用户手动编辑相同的执行器、规则和提交服务，要么原子提交，要么被拒绝并给出定位诊断与修复选项，模型保留创作决策并决定如何恢复。读取工具把素材的存储分析与时间线上的每次使用关联起来。在受控实验中，真实模型面对 277 条被破坏的自身已提交编辑，在完整或最小反馈下几乎修正了每一次调用；定位问题使一次修正所需输入 token 降至不足一半，且其修正在一例中丢弃了模型写入的其他值，而非七例。
要点速读
- Cassette-Editor 只提供一个读工具和一个写工具，写入统一经过与手动编辑相同的执行器、规则和提交服务，原子提交或被拒绝并附定位诊断。
- 读取工具将素材的存储分析与时间线上的具体使用关联，模型负责创作选择与恢复策略。
- 受控实验中模型修正 277 条被破坏的已提交编辑，定位问题使单次修正输入 token 减半以上，但有一例修正丢弃了模型写入的其他值。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。