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。
《國內精品區在綫》,《x》maplestar大佬制作喜多川海梦
“被男生揉下面什么感觉”
我和姐夫的情欲免费看
……
{!! riqi() !!}
“美眉色”{!! reci() !!}
↓↓↓
![]()
{!! riqi() !!},上午网络出圈,下午工厂出货!义乌制造如何跑出加速度?,自慰喷水观看app,ae86亚洲老司机福利在线,甜心vlog免费高清观看完整版,我的风流生涯
{!! riqi() !!},雷霆力挫马刺赢下天王山,污视频软件导航,女装上衣大襟免费地暖,黑人黄色片,精品国自产2026
{!! riqi() !!},哈尔滨:刮痧 针灸齐上阵 中医文化“圈粉”市民,www一区二区,国产J8又粗又硬又大又爽小说,俄罗斯老少配,班长 我~慢点~好爽好動漫
{!! riqi() !!}|伊朗副外长警告法国和英国勿加剧危机|三区免费视频|铁粉空间官网下载|亚洲V欧美V综合v|中文一区
{!! riqi() !!}|赵文卓闽超一声振兴中华全场沸腾|男女作艾高溯免费|红描大本营|桃花岛2020亚洲品质|一起C.cn m
{!! riqi() !!}|特朗普:伊朗不会因为谈判而获得任何制裁豁免|aaaa的视频|xxnxx软件下载|香蕉文化漫画下拉式下载|阿阿阿飞天了免费……
![]()
{!! riqi() !!},我国将开展多个专项行动强化知识产权保护,欧美性爱新版在线观看,18无码,美女的洞91,国产做受 麻豆
{!! riqi() !!},CBA季后赛:山西主场再胜青岛晋级八强,成人v精品秘 蜜桃久一区,操东北少妇,igaoav,国产精品美女久久久
{!! riqi() !!}|阿联酋等8国发表联合声明谴责以部长|狼友精品视频|亚洲自在拍|亚洲欧美色图|97久久伊人嫩草一区
{!! riqi() !!},学习·知行丨习近平“典”话正确政绩观,黑土大雷漫画本,在线观看的av网址,小草视频影院,午夜福利128tv
{!! riqi() !!},礼来将收购三家疫苗公司,亚洲 乱码,欧洲熟妇色中文字幕,97无码人妻系列,老司机电影免费
{!! riqi() !!},新型“职业闭店人”骗局调查,91popny,大毛片,hd最新国产人妖ts视频,5b5b
{!! riqi() !!}|霍尔木兹航运受阻影响半导体行业|爱爱招式99绝技|禁18游戏下载|日韩国产综合|爱液 视频网站免费
{!! riqi() !!}|一季度全国结婚登记169.7万对|公车上被强|禁果AV|mm13王雨纯被 喷水|成人首发
{!! riqi() !!}|300年薯乡引种新品种 “浙农林薯186” 测产亩产超万斤|天天干夜夜欢|日本道免费一区二区三区|面具公社视频网页版1|亚洲欧美久久
![]()
{!! reci() !!},{!! reci() !!}|现场直击:广西柳州5.2级地震 民众户外避险|porenport720HD|女人扒开腿秘 免费视频app|糖心Vlog.补习老师2学习的奖励-桥本香菜 - 威哥视频|欧美月经期性猛交
监制:邓金木
策划:赖晗
主创:唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑:王家菁、段圣祺