研究者发布时长常识推理论文与协同标注语料库
热点事件持续更新
研究者发布时长常识推理论文与协同标注语料库
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
研究者 Chenyang Yu、Zhaomin Xiao、Yan Huang 和 Eduardo Blanco 提出了一项新的持续时长常识推理任务，并构建了由人类与 LLM 协同标注的地理标记推文语料库作为测试基准。该语料库旨在评估视觉语言模型在推断持续时长方面的能力，属于 AI（cs.AI）领域研究，论文于 2026 年 10 月 30 日发布于 arXiv。 实验发现，即使使用多轮 Chain-of-Thought 提示，当前最先进模型在推断持续时长时仍表现不佳，凸显了上下文感知多模态理解的挑战。错误分析显示，模型常因过度依赖显著视觉细节而忽略细微标签和语义细节，表明现有模型在处理此类任务时存在明显短板。
AI 根据报道生成 · 3 小时前更新
最新进展10月30日 12:00
人类与 LLM 协同标注下的持续时长常识推理：视觉语言模型表现不佳报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv · AI人类与 LLM 协同标注下的持续时长常识推理：视觉语言模型表现不佳
研究构建了由人类和 LLM 协同标注的地理标记推文语料库，测试视觉语言模型的持续时长常识推理能力。 实验发现，即使使用多轮 Chain-of-Thought 提示，当前最先进模型在推断持续时长时仍表现挣扎。 错误分析显示，模型常因过度依赖显著视觉细节而忽略细微标签和语义细节，凸显了上下文感知多模态理解的挑战。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月30日 17:00
- 近 24 小时变化
- –
02.557.510
17:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。