跳到正文
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

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. 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
–

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。