SAVU-Bench空间音视频理解基准发布

研究者发布SAVU-Bench，一个覆盖三个能力层级、七项评测任务的空间音视频理解真实世界基准，并配套SAVU-Diag诊断集，将推理问题拆解为前提性的定位与对齐子任务。 对12个代表性模型的评测显示，视觉空间定位已相对成熟，涉及音频的空间感知仍是主要瓶颈。研究者的免训练证据增强基线SAVU-EA显著提升空间定位与联合匹配，但高层空间推理依然困难。

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。