跳到正文
Hugging Face Daily Papers·· 2026-10-20AI 评分45

EvaOmni:首个基于证据的视听推理评测基准

EvaOmni: An Evidence-Grounded Benchmark for Audio-Visual Reasoning

AI 导读

EvaOmni 是一个包含 392 个视频和 1027 个人工标注问答对的视听推理基准,涵盖检索定位、基础理解与复杂推理三级能力。该基准引入覆盖度评分(C.G.)和瓶颈评分(B.G.),强制模型返回答案及证据区间以评估完整推理链。在测试的 24 个全栈模型中,Gemini3.7-Flash 总体准确率最高达 79.4%,但在三级复杂任务下其瓶颈评分仅为 12.3%。

来源:Hugging Face Daily Papers · arxiv.org