精选理由
这项研究直击视频 AI 助手的核心痛点——实时纠错能力，做智能烹饪指导或边缘 AI 应用的开发者值得关注，Ego-CoMist 数据集可以直接用于微调模型。
研究人员提出了 Ego-MC-Bench 基准测试，用于评估视频大语言模型在实时任务指导中主动干预纠错的能力。该基准聚焦于烹饪场景，要求模型在用户犯错时及时介入。实验表明，当前最先进的视频 LLM 在此任务上表现不佳，主要原因是缺乏包含错误和适时干预的训练数据。为此，团队还创建了 Ego-CoMist 合成数据集，通过将非交互式烹饪视频转化为带干预的监督示例。微调该数据集后，小型高效视频 LLM 的性能显著提升，适合部署在边缘设备上提供实时辅助。
AI 翻译 · 中文
研究人员提出了 Ego-MC-Bench 基准测试，用于评估视频大语言模型在实时任务指导中主动干预纠错的能力。该基准聚焦于烹饪场景，要求模型在用户犯错时及时介入。实验表明，当前最先进的视频 LLM 在此任务上表现不佳，主要原因是缺乏包含错误和适时干预的训练数据。为此，团队还创建了 Ego-CoMist 合成数据集，通过将非交互式烹饪视频转化为带干预的监督示例。微调该数据集后，小型高效视频 LLM 的性能显著提升，适合部署在边缘设备上提供实时辅助。
Learning everyday skills, like cooking a dish, relies increasingly on instructional media such as online videos. This opens the door to the use of video (and multimodal) large language models (LLMs) as task guidance assi…