Qwen 3 Omni

大语言模型在模仿人类视频参与度评分方面存在困难

研究人员评估了多模态大语言模型（MLLMs）作为评估视频感知参与度的合成参与者。他们使用感知信息感觉价值（PMSV）框架，将人类评分与Gemini 3 Flash和Qwen 3 Omni模拟的评分进行了比较。研究发现，即使是先进的MLLMs，与人类的反应也只有有限的一致性，表现出平均评分较低和倾向于中心值的偏差。虽然提示策略效果各异，但模型难以复制细微的亚组差异和参与者画像敏感性。