猫眼电影
猫眼电影记者 黄添雨 报道x
设想我们正看一场篮球比赛,并持续询问大模型有关的画面。对话一开始,我们问:“刚才完成那次突破得分的是谁?” 模型给出了球员的名字。又经过几轮关于其他回合的问答,我们追问:“我们第一次聊到的那名球员,这场比赛最后一共得了多少分?” 这时,模型需要先从早先的回答中找回那名球员,再结合比赛信息确定得分。即使它能看懂最终统计,只要把 “那名球员” 认错,仍然会答非所问。
看电影时也有类似的需求。我们先讨论开头的某个场景,之后又聊到其他角色和情节。几轮问答后,我们指着当前画面中的一个角色问:“这个角色在我们最开始聊到的那个场景里出现过吗?” 此时,模型需要回忆最初讨论的是哪一幕,再判断这个角色是否出现在那一幕。仅仅理解眼前的画面,还不足以回答这个问题。
这样的追问在真实交流中很自然,要求模型把当前问题与先前的对话联系起来:比如前一个例子需要找回早先答案确定的人物,后一个例子需要找回最初讨论的场景。
来自悉尼科技大学、香港中文大学、香港科技大学和浙江大学的研究者联合提出VideoMemBench,关注大模型在围绕同一视频持续对话时,能否记住并正确使用前面讨论过的信息。
项目主页(Project):https://videomembench.github.io/论文(arXiv):https://arxiv.org/abs/2610.40131代码(GitHub):https://github.com/Oliiveralien/VideoMemBench数据集(Dataset):https://huggingface.co/datasets/VideoMemBench/data论文标题:VideoMemBench: How Well Do MLLMs Remember in Video Conversations?
目前许多视频问答评测采用相互独立的问题:模型依靠视频和眼前这一道题,就能给出回答,未必需要回顾对话历史。VideoMemBench 则把问题组织成有前后联系的多轮对话,让后续回答需要用到之前已经建立的信息,并重点考察两种依赖。
第一种是场景依赖(Episodic Dependency)。当问题回指之前讨论的某一幕时,模型需要通过对话确定所指的片段,再利用画面回答新问题。第二种是答案依赖(Answer Dependency)。问题沿着模型前面识别出的人物、物体或事件继续追问,模型需要接着自己的已有回答完成判断。前者关注先前看过的场景,后者关注先前给出的答案。
图 2 同一视频中的多轮问答,通过场景依赖与答案依赖连接起来。
怎样确认这些问题确实需要前文?研究团队设置了 Planner、Generator 和 Judger 三类角色,依次承担依赖规划、问答生成和质量检查,并请人工专家复核全部保留对话。检查的重点是:去掉相关历史后,问题应当无法得到确定答案;当前问题也不能把需要从前文找回的场景或答案重新说出来。此外,参考答案必须得到视频画面的支持。
图 3 数据构建流程:规划、生成、质量检查与人工审核。
最终,数据集收录了 326 段视频和 2,476 轮问答,其中 1,387 轮需要借助前文。它既包含跨越多个轮次的回指,也包含同时依赖多条历史信息的问题。
图 4 数据集规模与分布;(d) 中 1,089 为独立轮数,1,200 和 594 分别为两类依赖的边数。
研究团队对 25 个模型进行了评测。输入统一为带时间戳的 128 个采样视频帧,问题按对话顺序逐轮给出,每个模型此前生成的回答保留在上下文中。结果显示,Claude Opus 5 的综合得分为 45.7,Gemini 3.8 Flash 为 42.4,Kimi K3 为 42.2,GPT-5.6-sol 为 41.7,Qwen3.5-27B 为 34.3。下表展示综合得分排名前列的模型。
图 5 按综合得分排序的前 11 个模型;各指标以百分制展示。
综合得分取逐轮回答、场景依赖和答案依赖三项指标的平均值。答案依赖采用更严格的链式计分:当前回答正确还不够,它所依赖的历史答案也都需要正确。因此,这项指标衡量的是整条回答链的可靠性。表现最好的 Claude Opus 5,在答案依赖指标上也仅达到 35.7%。
进一步分析表明,问题回指得越远,或需要同时关联的历史轮次越多,模型通常越难答对。对全部受测模型取平均,当依赖距离由 1 轮增加至至少 5 轮时,依赖问题的准确率从 30.2% 降至 23.1%。
将模型先前生成的回答替换为正确答案后,后续答案依赖问题的评测表现明显改善。这说明,早期回答中的错误可能影响后续判断,而准确的历史信息有助于支持接下来的对话。
图 6 依赖距离、父轮数量、对话位置及历史回答对表现的影响。
VideoMemBench 希望推动模型更充分地利用视频对话中已经建立的信息,使持续追问和跨场景讨论更加连贯、可靠。对于视频助手而言,理解当前画面之外,如何接住前面聊过的内容,同样值得认真评测。
时事1:欧美爽片在线观看
11月22日,全球首次 我国万米深海试验再破世界纪录,2016年至2025年6月,尼洋河流域新增人工造林27.8万亩、治理沙化土地19.3万亩、抚育森林41万亩。西藏全区50%以上的国土纳入生态保护红线,共设立生态岗位44万余个,人民群众在生态建设中吃上了生态饭、走上了致富路。,霍水儿小说免费阅读。
11月22日,广东金融气象探索“气象+保险+信贷”新路径,更重要的是,观鸟催生了一种低压力、高共鸣的新型社交模式。在小红书“观鸟”相关笔记里,高频词是“求带”“周末约拍”“找搭子”“不晒自拍,只晒鸟片”。这种社交逻辑契合了年轻一代对人际关系的新期待:不表演、不攀比,只为共同热爱短暂同行。,狼友晚上看的免费网站,都市激情男人天堂,观看AV在线。
时事2:111111电视剧电影影院
11月22日,古代渔民居然有“北斗导航” 解码“南海天书”《更路簿》,3月的广州,广交会展馆里人头攒动,暖意融融。当月15日至16日,“百万英才汇南粤”2026年春季大型综合招聘会在此启幕,1500余家重点企业齐聚一堂,5万余个优质岗位虚位以待。没有刻意营造的“宏大叙事”,只有一张张写满薪资、福利、发展空间的岗位表,一场场企业与毕业生的坦诚对话。,69围围围围69HD18,三级特黄,每日更新AV。
11月22日,中国算力平台“算力超市·中小企业专区”首发上线,但是,进一步研究发现,树冠羞避现象的“互相伤害论”并不全面。如果彼此磨损确实是造成树冠羞避的主要原因,那显然多风地区的森林更容易出现这种现象。但在哥斯达黎加的蒙特维德云雾森林保护区,却出现了反例。云雾森林的面积超过 1万公顷,在冬季,森林中一些地方的风速可达到100千米/时,但在风力悬殊的不同地区,树冠羞避现象并没有明显的差异。,猎奇小屋免费版官网,黄色网址下载,黄a免费网络。
时事3:91n免费处女在线破视频+进https://www.tphbakz.com:2087/1035.html
11月22日,市场监管总局:一季度广告业头部企事业单位收入同比增长17.1%,“我们馆精选了24件/套与海丝文化相关的文物,其中,8件清代乾隆时期珐琅、漆器精品原为故宫博物院调拨馆藏,它们和广彩苏格兰家族徽章纹瓷盘等定制外销瓷一起见证了清代中外工艺交融的繁荣。透过它们,上海观众可以窥见十八、十九世纪的广货如何行遍天下,远销海外。”黄海妍说。,色色的应用,看5XX毛片,坐脸闷死。
11月22日,习近平对湖南长沙浏阳市一烟花厂爆炸事故作出重要指示,香港特区行政长官李家超在视频致辞中介绍,香港作为粤港澳大湾区核心枢纽,连接内地与广阔世界,提供专业服务与便捷融资渠道,助力初创企业在此进行测试、实现增长,并向整个亚太经合组织区域拓展业务。,天天爽夜夜爽AA片免费,性视频,Z447ccc。
时事4:1v1高辣
11月22日,【四时映画】杭州西湖睡莲“初醒” 现实版“莫奈花园”吸引游人,冲压车间完成高精度车身部件生产;车身车间配备527台机器人,高效完成焊接工序;涂装车间自动化喷涂作业有序推进;总装车间实现零部件高效组装,享界汽车陆续下线。,spanking打屁股丨vk,污软件下载,亚洲天堂无码高清。
11月22日,山西深挖气候资源潜力 释放气象数据价值,全国已有13个省份全省实施中小学春秋假,9178黄色 软件,一个人在上面2个在下 p,欧美大片AAA。
责编:陈韵
审核:林怡筠
责编:张汉尧












