EvaOmni 音视频推理基准论文发布

Xiaoxing Hu 等研究人员发布 EvaOmni 音视频推理基准，含 392 个视频和 1,027 个人工标注问答对，覆盖 15 项能力与三个难度层级。 该基准要求模型在回答问题时同时给出答案和支持证据的时间区间，三个层级依次为检索与定位、基础理解、复杂推理。据论文介绍，这套设计针对的是现有音视频推理评测缺少证据定位环节的问题。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。