O-IN-Bench 基准评估多模态大模型语音意图理解能力
热点事件持续更新
O-IN-Bench 基准评估多模态大模型语音意图理解能力
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Zijie Xin 等人提出 O-IN-Bench 评测基准,旨在评估多模态大语言模型对口语请求的理解程度。该基准包含 1000 个中英文视频样本,要求模型观看完整视频后输出文本响应或保持沉默,并利用对比样本来测试上下文敏感性。 结果显示,Gemini3.7-Flash 等强模型在意图识别方面表现尚可,但在内容满足度及多人对话场景下得分较低。这一结果揭示了当前模型存在“识别请求”与“满足需求”分离的能力局限。
AI 根据报道生成 · 11 小时前更新
最新进展11月19日 13:00
O-IN-Bench:评估多模态大模型理解口语意图的基准报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉O-IN-Bench:评估多模态大模型理解口语意图的基准
论文提出 O-IN-Bench 基准,通过包含 1000 个中英文样本的视频数据集,评估多模态大模型对口语请求的理解能力。该基准要求模型观看完整视频并输出文本响应或保持沉默,利用对比样本测试上下文敏感性。结果显示 Gemini3.7-Flash 等强模型在意图识别上表现尚可,但在内容满足度及多人对话场景下得分较低,表明识别请求与满足需求是分离的能力。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。