该文综述多模态大语言模型在长视频理解中的进展，涵盖TimeChat、LLoVi、Video-ChatGPT、VideoLLM、MovieChat等模型，通过时间感知编码、记忆机制和语言框架提升长视频问答、定位与推理能力，指出LLM在视频理解中潜力巨大。