研究人员推出了 CHRONOSIGHT，这是一个旨在评估视觉语言模型 (VLM) 时间推理能力的新基准。该基准评估了五个关键领域：时间顺序排序、阶段定位、时间流逝估算、反向序列检测和时间异常识别。人类在 CHRONOSIGHT 上的平均表现为 0.89，而表现最佳的开源 VLM Qwen2.5-VL-7B 仅达到 0.40，这凸显了一个被称为“时间顺序盲区”的显著差距。使用 LoRA 在小型数据集上进行微调可以提高特定任务的表现，这表明指令遵循可能是瓶颈。 AI
影响 突出了 VLM 时间推理方面的显著差距，为未来模型开发和微调指明了方向。
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。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.16334v1 Announce Type: new Abstract: Human perception of visual scenes is inherently temporal. We instinctively recognise whether a fruit is ripening or rotting, whether construction is progressing or being demolished, and approximately how much time separates two phot…
Human perception of visual scenes is inherently temporal. We instinctively recognise whether a fruit is ripening or rotting, whether construction is progressing or being demolished, and approximately how much time separates two photographs of the same subject. Whether large visio…