实体 IntentBench

IntentBench

PulseAugur coverage of IntentBench — every cluster mentioning IntentBench 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

RESEARCH · CL_200272 · Aug 13 · 13:44

在多模态大语言模型（MLLM）社交理解存在缺陷之际，发布了新的基准测试 Intentbench-Prime

一篇新论文强调了用于评估多模态大语言模型（MLLM）在社交视听理解方面能力的 IntentBench 基准测试存在重大问题。研究人员发现，IntentBench 中的大部分问题存在缺陷，或者无需视频输入即可回答，这促使研究人员发布了一个改进后的基准测试，名为 Intentbench-Prime。该研究还揭示，当前的链式思考（chain-of-thought）推理方法成本高昂且效果出奇地不佳，一个简单的 Vanilla SFT 基线模型…