算法论文7

VIR-Bench：评测大模型旅行视频理解能力

机器之心2025-10-15

AI 摘要

日本团队提出 VIR-Bench 评估基准，测 AI 对旅行视频地理和时间理解。实验发现开源落后商用，模型规模、地理预训练等影响性能，当前模型仍有不足，指明进化方向。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

RefCaptioner 让视频与参考图精准对应

多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。

这篇来自Rutgers大学和UNC Charlotte的survey，首次系统梳理Agent技能的进化与评估全貌，覆盖19种技能进化方法和10个评估基准。指出当前评估体系有诸多不足，如无法追踪技能多轮反馈后是否变好等。

随着多模态大模型发展，Web Agent 面临验证码挑战。上海交通大学等团队发布 HLL 评测基准，解耦真实度为三维度，对 8 款前沿模型测试，揭示 Agent 在多步交互微操上的短板。

上海交通大学与vivo团队提出全新持续学习框架Octopus，首创无需历史数据的梯度正交化技术。实验显示，它在UCIT基准上表现超SOTA方法，还实现正向后向迁移，适合端侧部署。