arXiv · 机器人与计算机视觉· Yuqi Liu, Qin Jin, Tianyuan Qu, Xuan Liu, Yang Du, Bei Yu, Jiaya Jia·· 11 小时前精选AI 评分85
RTime-QA:一种用于多模态大模型原子级时序事件理解的基准
RTime-QA: A Benchmark for Atomic Temporal Event Understanding in Multimodal Large Language Models
AI 导读
作者提出 RTime-QA 基准,利用时间反转的视频对和相同文本但答案不同的问题,检验多模态大模型是否真正感知事件在时间上的展开。该基准包含 8,420 个问题,涵盖快速评估、核心难例及连续事件等子集。
推荐理由
该基准通过时间反转视频对,验证多模态大模型是否真正感知事件时序而非仅依赖单帧或语言先验。
来源:arXiv · 机器人与计算机视觉 · arxiv.org