AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:视频多模态大语言模型×
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月2日
12:01
12:01arXiv cs.AI@Xiaolin Liu, Yilun Zhu, Xiangyu Zhao, Xuehui Wang, Yan Li, Xin Li, Haoyu Cao, Xing Sun, Shaofeng Zhang, Xu Yang, Zhihang Zhong, Xue Yang
精选72°
视频多模态大语言模型在长视频理解上进步迅速,但它们在捕捉短暂但关键的视觉证据(如几帧内的动作或状态变化)方面能力不足。Moment-Video 是一个新基准,包含 1000 个人工验证的视频问答对,覆盖 7 个领域和 25 个子类别,测试模型在时间发生、计数、动作描述和推理上的表现。评估 33 个模型后,最佳模型 Seed-2.0-Pro 准确率仅 39.6%,多数开源模型低于 25%,揭示了巨大差距。分析表明,密集帧采样能部分改善但无法消除瓶颈,长视频带来更强的定位挑战。这显示当前视频 MLLM 仍缺乏时间保真表示来捕捉和利用短暂但决定性的视觉证据。
论文视频多模态大语言模型基准测试时间保真度瞬间视觉事件Moment-Video

推荐理由:视频 MLLM 开发者终于有了专门诊断时间保真度的基准——Moment-Video 直击模型在瞬间事件上的致命短板,做视频理解或模型评估的团队值得用它来检验自家模型。
原文
精选全部日报登录