EMMA：事件驱动的多智能体检索多模态记忆系统

EMMA 是一个事件驱动的多模态记忆系统，用多智能体检索解决长视频超出 MLLM 上下文窗口的问题。它通过融合视觉语义漂移与语音转折的双流检测器自适应定位事件边界，并构建原始视频、片段级记忆、事件级记忆三级层次，由多智能体经查询分解、分层搜索与证据验证逐步缩小检索范围。在三个基准上实验显示显著提升，代码与复现脚本已公开。