SENRI：理解现实生活视频中的空间—事件关联

基于摘要分析。该研究关注长时、连续的现实生活第一人称视频理解，提出空间—事件关联任务 SENRI 与评估基准 SENRI-Bench，并以 SENRI-Agent 探索通过局部视觉核验弥补现有记忆方法的证据缺口。研究对象是视频中的空间知识与事件检索，并非 EEG 或 BCI 信号建模。 任务包含两个方向、共六类任务：Event→Space 根据事件线索恢复空间知识，Space→Event 根据区域与轨迹检索事件。SENRI-Bench 包含来自 10 段不间断自录视频的 500 道人工标注多项选择题，视频内容总计约 25.3 小时。摘要未列出六类任务的具体定义、题目分布、数据划分及标注一致性信息，这些尚待全文核对。 作者评估了直接感知、证据搜寻和持久记忆三类长视频理解范式，并报告三类范式在该任务上均面临挑战。针对现有记忆方法的两类代表性失败模式，作者提出 SENRI-Agent：由控制器通过 Target-Guided Visual Check（TGVC）提出局部视觉核验任务，交由并行核验器处理，再将报告整合进工作记忆以辅助推理。摘要未展开两类失败模式的具体内容，也未提供控制器实现、训练方式或推理成本。 作者报告，在既有记忆系统之上，SENRI-Agent 无需修改其已存储的记忆即可提升基线表现；摘要未给出具体指标、增益幅度与基线配置，实验协议、消融及统计信息尚未验证。阅读全文时宜核对核验器能够访问的视频范围、额外计算与视觉访问预算，以及不同范式是否在可比资源条件下评估。当前材料未建立该机制与 EEG/BCI 的具体对应关系，不能将其视频理解结果视为神经信号任务上的有效性证据。