PulseAugur
中
实时 13:15:31
English(EN) PushupBench: Your VLM is not good at counting pushups

新的PushupBench基准测试揭示VLM在计算重复次数方面存在困难

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了PushupBench，这是一个旨在评估视觉语言模型（VLM）在视频中准确计算重复次数能力的新数据集。该基准测试表明，即使是顶级VLM在此任务上也表现不佳，在计算俯卧撑次数方面仅达到42.1%的精确准确率。此外，研究还发现，一些模型可能利用统计偏差而非进行真正的时序推理。有趣的是，在该计数任务上对模型进行微调可以提高它们在更广泛的视频理解基准测试上的表现。 AI

影响 突出了当前VLM在时序推理和计数方面的一个关键限制，可能指导未来的模型开发。

排序理由 该集群包含一篇介绍用于评估视觉语言模型的新基准测试的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的PushupBench基准测试揭示VLM在计算重复次数方面存在困难

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群包含一篇介绍用于评估视觉语言模型的新基准测试的学术论文。
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
135 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Shengzhi Li, Jiarun Chen, Karun Sharma, Jiaqi Su, Shichao Pei ·

    PushupBench：你的VLM不擅长数俯卧撑

    arXiv:2604.23407v1 Announce Type: new Abstract: Large vision-language models (VLMs) can recognize \textit{what} happens in video but fail to count \textit{how many} times. We introduce \textbf{PushupBench}, 446 long-form clips (avg. 36.7s) for evaluating repetition counting. The …

相关实体

相关话题