arXiv · cs.AI· Yuhang Chen, Guangyue Liu, Shilong Liu·· 4 小时前
DIVE 基准评测连续流中的视觉参与式全双工交互
DIVE: Benchmarking Full-Duplex Interaction with Visual Engagement in Continuous Streams
arXiv:2610.28405v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yuhang Chen, Guangyue Liu, Shilong Liu
研究任务与主要进展
作者提出 DIVE 基准，用于评估多模态大语言模型在连续、逼真音视频流中的全双工交互能力，覆盖主动介入、持续参与和交互协调三类场景。该基准包含525个音视频样本及细粒度人工标注和时间元数据，分别评估响应质量、参与决策与响应时机。实验显示，代表性实时模型平均响应延迟低于一秒，但平均窗口响应率最高为53.77%，且持续适应新到达信息仍较困难。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org