हाल ही में, Meta AI टीम ने LongVU पेश किया है, जो एक अभिनव स्पष्ट-समय अनुकूली संकुचन तंत्र है, जिसका उद्देश्य लंबे वीडियो की भाषा समझने की क्षमताओं को बढ़ाना है। पारंपरिक मल्टी-मोडल बड़े भाषा मॉडल (MLLMs) लंबे वीडियो को प्रोसेस करते समय संदर्भ की लंबाई के प्रतिबंधों का सामना करते हैं, और LongVU विशेष रूप से इस समस्या को सुलझाने के लिए विकसित किया गया है। LongVU की कार्यपद्धति मुख्यतः डुप्लिकेट फ़्रेमों को फ़िल्टर करना, क्रॉस-फ़्रेम टोकन संकुचन आदि द्वारा संदर्भ की लंबाई का कुशलतापूर्वक उपयोग करने पर निर्भर करती है, जो वीडियो के दृश्य विवरणों को बनाए रखते हुए वीडियो के आकार को कम करने में सक्षम है।