Gemini 1.5 Pro在新Video-MME基准测试中胜出，引领多模态视频理解新高度

近日，全球首个多模态LLM视频分析基准Video-MME推出，谷歌的Gemini 1.5 Pro在此测试中表现出色，超越GPT-4o，成为目前性能最强的商用模型。Video-MME涵盖多种视频类型和时长，旨在全面评估模型的视频理解能力。经过详尽的标注和质量审核，该数据集确保了挑战性和多样性。Gemini 1.5 Pro在整合字幕和音频后，准确率提升，显示了多模态输入对视频理解的重要性。
来源：https://mp.weixin.qq.com/s/fVoIEp64VePfN_e7C9CfCw