跳到正文
arXiv · 机器人与计算机视觉· Joel Julin, Souraja Kundu, Liza Dahiya, George Z. Wei, Liuyue Xie, Jingru Yi, Xu Zhang, Hao Yang, Laszlo A. Jeni·· 2026-10-19AI 评分72

ANCHOR:音频视觉锚定的思维链推理基准

ANCHOR: Audio-Visually Grounded Chain-of-Thought Reasoning Benchmark

AI 导读

ANCHOR 是一个评估多模态大语言模型推理中感知依据对齐情况的基准框架,包含 2,319 个视频和 8,272 个问答对,并设有 224 个视频的人为精修测试集。

来源:arXiv · 机器人与计算机视觉 · arxiv.org