本研究提出了一种自适应上下文压缩（ACC）技术，旨在解决缓存增强生成（CAG）在大规模动态知识库中的扩展性问题。该方法有效管理上下文输入，提升了可扩展性和多跳推理性能，为知识集成提供了解决方案。

本研究针对视频语言模型ResNetVLLM中的多模态幻觉问题，提出了改进的Lynx模型和动态知识库策略。实验结果表明，ResNetVLLM-2的准确率从54.8%提升至65.3%，显著增强了模型的可靠性。