Telegram Ads Notes 9

Telegram Ads Notes 9

Модель CaC (Concentrate and Concentrate) на базе Vision-Language Models показала прирост +25,7% на fine-grained бенчмарке по видеоаномалиям. Подход сочетает coarse-to-fine анализ с двухэтапной оптимизацией: supervised fine-tuning и GRPO-дообучение. Важно, что авторы собрали масштабный датасет с пофреймовыми bounding box, временными окнами и детальной разметкой аномалий — это редкий уровень проработки для задачи. Что это даёт наблюдателю за AI Search? Системы начинают лучше замечать не только общие несоответствия, но и локальные артефакты: подёргивания, нарушения временной согласованности, странные переходы. Это сигнал, что в ближайшие циклы обновлений алгоритмов ранжирования могут внедряться более тонкие сигналы качества видео. Для контент-команд это означает, что даже при высоком уровне сюжета или озвучки, технические шероховатости могут начать влиять на видимость. Особенно актуально для генеративного видео: CaC уже показал снижение аномалий на 11,7% и рост общей оценки качества. Будущее за контентом, который не просто «выглядит хорошо», но и «работает ровно» на уровне кадра и временного потока.