引入了一个名为VideoZeroBench的新基准,用于评估视频多模态大语言模型(V-MLLMs)的时空证据验证能力。该基准包含跨越13个视频领域的、经过人工标注的问题-答案对,侧重于细粒度线索和分布式证据。评估协议包括一个五级诊断系统,不仅评估答案的正确性,还评估证据的时间和空间定位的准确性。结果表明,尽管Gemini-3.7-Flash等模型在标准问答方面取得了中等准确率,但在需要精确证据定位时,其性能急剧下降,凸显了当前V-MLLM系统面临的重大挑战。 AI
影响 突出了当前视频LLM在证据定位方面的关键局限性,推动未来研究朝着更精确的时空理解方向发展。
排序理由 该集群描述了一篇介绍用于评估AI模型基准的新学术论文。[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 →