发布DIVE全双工多模态交互基准
热点事件持续更新
发布DIVE全双工多模态交互基准
1 篇报道1 个报道来源3 小时前更新
先了解这件事
报道摘要
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。
摘自 arXiv · cs.AI
最新进展10月21日 12:00
DIVE 基准评测连续流中的视觉参与式全双工交互报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · cs.AIDIVE 基准评测连续流中的视觉参与式全双工交互
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。