arXiv · cs.AI· Xiaolin Liu, Yilun Zhu, Xiangyu Zhao, Xuehui Wang, Yan Li, Xin Li, Haoyu Cao, Xing Sun, Shaofeng Zhang, Xu Yang, Zhihang Zhong, Xue Yang·· 7 小时前
Moment-Video 评测视频多模态大模型的瞬时视觉事件时间保真度
Moment-Video: Diagnosing Temporal Fidelity of Video MLLMs on Momentary Visual Events
arXiv:2606.02522v2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：Xiaolin Liu, Yilun Zhu, Xiangyu Zhao, Xuehui Wang, Yan Li, Xin Li, Haoyu Cao, Xing Sun, Shaofeng Zhang, Xu Yang, Zhihang Zhong, Xue Yang
研究任务与主要进展
基于论文摘要，Xiaolin Liu等人提出Moment-Video基准，用于评测视频多模态大模型识别和利用短暂、关键视觉事件的能力。基准包含来自7个领域、25个子类别的1000个人工核验视频问答对，覆盖时间发生、时间计数、动作描述和时间推理四类任务；摘要报告评测34个专有及开源MLLM，最佳模型Seed-2.0-Pro总体准确率为39.6%，多数开源模型低于25%。
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