研究人员推出DrivelHub+，这是一个旨在评估视频语言模型理解社交媒体视频中隐含和非字面意义能力的新基准。该基准包含1000个带注释的视频，侧重于情境多模态推理，而非简单的识别或描述。评估内容包括模型提供自然语言解释以进行视频的语用理解，以及将视频表征与其隐含叙事对齐的能力。 AI
影响 该基准有望推动能够理解视频内容中细微且依赖情境的沟通的AI模型的发展。
排序理由 该项目是一篇介绍AI模型新评估基准的学术论文。[lever_c_降级自研究：ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2608.04939v1 Announce Type: new Abstract: Social media videos often communicate meanings that go beyond their visible actions, captions, or speech. A mundane clip may become humorous, ironic, or satire only through the interaction of multimodal cues and cultural context, ma…