研究人员开发了TimeBlind，一个旨在测试视频大语言模型（LLMs）时空理解能力的新基准。该基准采用最小对范式，呈现视觉上相同但仅在时间结构上有所不同的视频，以将时间推理与静态视觉线索区分开来。评估显示，即使是GPT-5和Gemini 3 Pro等先进模型，表现也差强人意，准确率仅为48.2%，而人类的准确率为98.2%，这表明模型严重依赖视觉捷径而非真正的时间逻辑。 AI
影响 突出了当前视频大模型能力的一个关键差距，可能会推动未来研究朝着更强大的时间推理方向发展。
排序理由 该集群包含一篇介绍新AI模型评估基准的学术论文。[lever_c_demoted from research: 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 →
