研究者发布AVMeme Exam音频视频基准

Xilin Jiang等研究者提出AVMeme Exam，一个由人工筛选、包含超过一千个互联网标志性声音与视频的基准，覆盖语音、歌曲、音乐和音效，每段内容配有从表层内容到语境、情感、用法与世界知识的问答及元数据。 系统评测显示，当前多模态大语言模型在无文本的音乐和音效上表现不佳，在语境与文化层面的思考也弱于表层内容理解。该基准已被COLM 2026接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。