Kewei Wei

新基准 M3-Verse 测试 LMM 在动态视频场景变化上的能力

研究人员推出了 M3-Verse，一个旨在测试大型多模态模型（LMM）理解视频场景动态变化能力的新基准。该基准包含室内场景在状态改变前后的配对视频，涵盖 50 个子任务的 2,900 多个问题。对 16 个最先进 LMM 的初步评估显示，它们在跟踪这些转换方面存在显著局限性，促使开发了一个新的基线模型，该模型表现出改进的性能。