首个多轮、开放视角视频问答基准，系统分类9大幻觉任务 | TPAMI'25

WildVideo是由国防科大与中山大学推出的新型视频问答评测基准，首次系统定义9类幻觉任务，涵盖感知、认知与上下文理解三方面。其基于1,318段双视角、中英双语视频构建，包含13,704个单轮与1,585个多轮对话，采用开放生成式评测方式。在14个主流模型测试中，最优模型GPT-4o单轮准确率仅62.1%，多轮降至52.7%，暴露出现有模型在动态理解、常识推理与上下文连贯性上的显著短板，尤其在第一人称视频与中文任务中表现更弱，凸显当前多模态模型距实用化仍有较大差距。
来源：https://mp.weixin.qq.com/s/YeRj38PoZuKOvEK_bCjHzw