资料索引 视频理解 · arXiv 2611.22790
作者 Tianci Xie 等
NexSight: Verifiable Tasks for Fine-Grained Agentic Long-Video Understanding
Daily Papers 收录于

找到一次举手可以证明有人举过手,却不能证明总共只有一次。构题时,独立验证器看不到拟定答案,要根据重新检查的视频证据复原答案,并尝试找出反例。

题目来自 108 段长视频。表现最好的模型自己搜寻时得分为 54.52%,直接提供标注证据时为 79.35%。两者的差距让找片段和读懂片段这两个环节可以分别分析。

原始资料