CodeCap-Bench：用可执行代码做视频描述，推理与重建更准

南大、Kling AI 等机构提出 Code as Video Caption 范式与 CodeCap-Bench（323 个视频），用图形基元、布局规则与时间函数构成的可执行程序表示视频内容，替代自然语言描述。下游问答与视频重建对比显示，代码描述在推理准确率与重建保真度上优于自然语言描述。但当前多模态大模型仍难以对复杂时间动态生成忠实的代码描述，是该范式落地的瓶颈。