DIVE发布：评估多模态全双工视觉交互

2026年10月21日，研究人员在arXiv发布名为DIVE的多模态基准。该基准旨在评估多模态大语言模型在连续流交互中的全双工能力与视觉参与水平。它包含525个音视频样本，覆盖三个核心场景：主动干预、持续参与和交互协调，为评估模型在动态实时环境下的表现提供了标准化测试框架。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。