VideoMemBench：多模态大语言模型能记住多少视频对话内容？
VideoMemBench 是一项新基准，用于评估多模态大语言模型能否在围绕视频的对话中提取并复用此前轮次的信息。与传统视频问答测试不同，其中的问题相互关联：有些会引用之前描述过的画面，有些则建立在模型先前的回答之上。该基准包含 326 段视频和 2,476 个对话轮次，其中 1,387 个轮次依赖此前内容。在受测的 20 多个开源和闭源模型中，Claude Opus 5 的综合得分最高，为 45.7%。研究人员公开了数据集和评测。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。