跳到正文
arXiv · 机器人与计算机视觉· Elliott Piercy, Justin Chan, Sepand Dyanatkar·· 9 天前AI 评分74

视频理解评估中多选项机制的解耦:从选项利用到忠实推理

What Does Multiple Choice Actually Measure? Disentangling Video Understanding from Option Exploitation

AI 导读

该研究指出当前视频问答基准因依赖多选项引导和语言先验而难以隔离模型的真实感知能力。作者发现即便无视觉输入,准确率也显著高于随机猜测,这源于捷径策略与选项利用。为此,团队提出一种新的选项延迟重放(ODR)机制,在开放-ended轨迹中分阶段披露选项,以从忠实推理中获得客观的多选项分数。

来源:arXiv · 机器人与计算机视觉 · arxiv.org