腾讯ARC Lab

视频推理界的“福尔摩斯测试”：所有大模型，统统不及格 论文代码开源

作者

腾讯ARC Lab和香港城市大学推出的新Benchmark Video-Holmes，通过复杂视频推理任务测试大模型能力。结果显示所有主流大模型在SR、IMC等指标上均不及格。Video-Holmes规避了现有基准的简单问题限制，强调多线索信息的整合与分析能力。