长视频问答的“先总结后搜索”方法：

链接表

• 摘要和简介
• 方法
• 实验
• 相关工作
• 结论
• 限制和参考
• A. 实验细节
• B. 即时样本

2. 方法

2.1. 绘图生成

2.2. 叙述搜索

给定概括的叙述和问题，我们希望从长视频中检索与问题相关的相对较短的片段。语言模型生成的开放式文本不规则且通常很嘈杂。为了检索视频的确切部分，我们驱动模型输出情节索引而不是文本形式。

由于语言模型的开放性，生成的索引可能仍然会很嘈杂。当模型以文本形式输出答案时，我们使用 rouge-l [19] 分数来查找与生成的句子相似度高于指定阈值 α ≥ 0.5 的情节片段候选。

2.3. 目视检查