VMem-Bench 研究长视频生成视觉记忆

研究团队发布 VMem-Bench 双轨诊断基准，检验长视频生成中视觉记忆的实际作用，结论是视觉记忆并非越多越好。 在 Track-B 的 30 个因果生成故事（共 2,824 段）上，团队对比四种检索策略：检索使实体召回率从 0.559 升至 0.628–0.693，但精确率从 0.977 降至 0.915–0.938，禁用实体规避率从 0.968 降至 0.845–0.898。召回提升伴随精确率和规避率下降，是该研究给出的主要权衡。

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。