cyclist

新的CycliST基准测试视频语言模型在循环推理方面的能力

研究人员推出了一款名为CycliST的新基准数据集，旨在测试视频语言模型（VLMs）在理解和推理循环状态转换方面的能力。该数据集包含合成视频序列，其中物体运动和视觉属性呈现周期性模式，并通过物体数量、场景混乱度和光照的变化来增加复杂性。对当前VLMs进行的实验揭示了它们在检测周期性模式、时间理解和提取量化见解方面存在显著局限性，表明这些模型在时空认知方面存在差距。