热点事件持续更新
提出 S-MME 基准与 CLEAR 框架诊断长视频理解偏差
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026 年 10 月 28 日，arXiv cs.CV 刊登研究，针对多模态大模型（MLLM）在长视频问答中的捷径偏差，提出 S-MME 基准与免训练的 CLEAR 框架，用于诊断并纠正这类偏差。方法上，CLEAR 将完整视频-问题对视为完整视图，仅保留问题或局部显著视频片段来构建增强视图，以估计偏差效应，再在推理阶段对隐藏状态进行干预。在 5 个基准上的实验显示，该方法可集成到不同 MLLM，预测与鲁棒性均有稳定提升。目前该工作以论文形式发布，尚无其他来源的独立报道或复现结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
论文提出免训练 CLEAR 框架，在 5 个基准上稳定提升预测与鲁棒性。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.CV诊断并纠正 MLLM 长视频理解中的偏差：S-MME 基准与 CLEAR 框架
研究者提出 S-MME 基准与免训练的 CLEAR 框架，用于诊断并纠正 MLLM 在长视频问答中的捷径偏差。CLEAR 将完整视频-问题对视为完整视图，仅保留问题或局部显著视频片段构建增强视图以估计偏差效应，再在推理时干预隐藏状态。在 5 个基准上的实验显示，该方法可集成到不同 MLLM，预测与鲁棒性均有稳定提升。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。