Hyeonjeong Ha

新的NarrativeTrack基准测试MLLMs在视频中的以实体为中心的推理能力

研究人员推出了一款名为NarrativeTrack的新型基准测试，旨在评估多模态大语言模型（MLLMs）的叙事理解能力。该基准测试侧重于以实体为中心的推理，评估模型在时间展开的视频叙事中跟踪实体、实体变化以及歧义的能力。当前最先进的MLLMs在鲁棒的实体跟踪方面存在困难，表现出感知基础与时间连贯性之间的权衡，凸显了更好地整合这些能力的需求。