于是有了 OmniReasoner，这是一个全新的“思考”框架，它教会这些 AI 侦探使用一种特殊的工具：一个**“放大（zoom-in）”按钮**。OmniReasoner 不再盯着整小时的视频看，而是首先对整个时间轴进行一次快速、低质量的“瞥视”，就像翻阅书籍以获取大意一样。如果它认为答案就在那里，它就会给出答案。但如果它感觉到线索隐藏在某个特定时刻——比如一个角色说了一句特定的短语，或者一条鱼出现在鱼缸里——它就会停下来并请求一次**“放大”**。它会请求一段仅有几秒钟的高清、高速剪辑。随后，AI 会将这段“放大”后的证据与其最初的快速瞥视结合起来，从而解开谜题。
这里的魔术技巧在于 AI 如何知道在哪里进行放大。在过去，计算机之所以难以应对，是因为它们通过计算“帧”（就像数页码一样），但如果视频加速或减速，页码就会发生变化。OmniReasoner 使用了一个被称为 TimeAnchor 的巧妙系统。把它想象成一个基于时钟时间（例如，“查看 2 分 49 秒”）的 GPS 坐标，而不是一个页码。这样一来，无论 AI 是在看模糊的快进版本，还是在看清晰的放大版本，“2:49”始终指向完全相同的时刻。这确保了 AI 在在大局观和特写镜头之间切换时不会迷失方向。
为了教会 AI 这项技能，研究人员并没有仅仅要求人类去标注每一个视频，因为那会耗费太长时间。相反，他们构建了一个时间增强数据引擎（Temporal Augmented Data Engine）。想象一下一个视频编辑器，它将短片段拼接成一部长电影，并在新生成的缝隙中秘密隐藏了一个“线索”。然后，AI 被训练去寻找那个隐藏的线索。有时，AI 被要求直接从整部电影中进行猜测，有时则被迫使用放大工具。通过一个试错的过程（强化学习），AI 学会了使用放大工具可以获得更高的分数，但前提是确实有必要使用它。
结果表明，这种方法行之有效。在各种视频和音频挑战测试中，OmniReasoner 在寻找答案方面表现得显著更好，尤其是在线索稀缺的长视频中。它不仅变得更聪明，能更好地回答问题，还学会了变得更高效，只在重要的时刻投入它的“脑力”。该论文表明，通过教导 AI 决定何时观察得更仔细，而不是强迫它平等地观察一切，我们可以解决以前难以破解的长音频-视频流中的复杂谜题。这是向着让 AI 不仅仅是“观看”视频，而是真正“思考”视频迈出的一步，让它知道何时该停下来并集中注意力。