实体 DVBench

DVBench

PulseAugur coverage of DVBench — every cluster mentioning DVBench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_229076 · Sep 1 · 04:00

新的 DVBench 基准测试评估 MLLM 在数据视频上的表现

研究人员推出 DVBench，这是一个旨在评估多模态大语言模型（MLLM）理解数据视频能力的新基准测试。这些视频结合了动态图表和叙事元素，这是现有评估未能充分涵盖的能力。DVBench 包含 300 个真实世界的数据视频和 1000 个问答对。在对九个 MLLM 的评估中，Gemini-3.1 Pro 展现了最高的整体性能，而 Kimi-k2.5 在开源模型中领先。研究还指出，开源模型的性能并不总是与参数量相关，并且叙事能力并不总是能…