LongVideoBench
一个测试AI模型在长视频中能多准确地定位特定场景和上下文的基准。
简单来说
LongVideoBench是一套测试题,让AI模型观看几十分钟甚至几个小时的长视频,检验它能否准确找出其中特定的场景或事件。看几秒钟的短视频再回答问题很容易,但要回答像「电影或讲座视频里第37分钟左右说的那句台词是什么」这类问题,就需要长时间记住前后脉络,并精准定位到所需的部分。
这个分数之所以重要,是因为处理视频的AI要真正发挥作用,不仅要能理解短片段,还要能理解冗长的会议记录、讲座视频甚至监控录像。即便看的是同一段视频,处理方式不同,得分也可能差异很大,因此这个基准被用来检验一种新的视频处理方式是否真正变得更聪明。
在报道中是这样出现的
文章提到,「在衡量长视频理解能力的基准LongVideoBench上,给3.7 Flash加上智能体式处理后,token消耗大幅减少,准确率也随之提升」。这里容易被误解的一点是,这项测试并不是对模型整体智力进行排名,而是专门抽出「能多高效、多准确地理解长视频」这一项较窄的能力进行评估。