研究人员推出了 M3-Verse，一个旨在测试大型多模态模型（LMM）理解视频场景动态变化能力的新基准。该基准包含室内场景在状态改变前后的配对视频，涵盖 50 个子任务的 2,900 多个问题。对 16 个最先进 LMM 的初步评估显示，它们在跟踪这些转换方面存在显著局限性，促使开发了一个新的基线模型，该模型表现出改进的性能。 AI
影响 该基准将推动 LMM 开发朝着更好地理解动态视觉环境的方向发展，这对于现实世界的应用至关重要。
排序理由 该集群包含一篇介绍新 AI 模型评估基准的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2512.18735v2 Announce Type: replace-cross Abstract: Modern Large Multimodal Models (LMMs) have demonstrated extraordinary ability in static image and single-state spatial-temporal understanding. However, their capacity to comprehend the dynamic changes of objects within a s…