研究人员推出了MetaphorVU-Bench，一个旨在评估多模态大语言模型(MLLMs)隐喻视频理解能力的新型基准。由于跨领域映射问题，当前MLLMs在该领域表现出显著不足，远低于人类水平。为解决此问题，研究人员开发了一个隐喻知识图谱和一个名为MetaphorBoost的推理时增强框架，该框架持续提高性能。 AI
影响 该基准和增强框架有望推动MLLMs理解视频内容中细微和抽象概念的能力取得进展。
排序理由 该集群描述了一篇介绍用于评估AI能力基准和框架的新学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Current multimodal large language models struggle with metaphorical video understanding due to poor cross-domain mapping, prompting the development of a new benchmark and enhancement framework.
arXiv:2605.25461v1 Announce Type: new Abstract: Metaphorical videos are prevalent across various real-world scenarios to convey complex ideas, and understanding them typically requires high-order cognitive capabilities. The lack of systematic studies on metaphorical video underst…