CodeCap-Bench 视频代码描述基准发布

研究团队提出用可执行代码作为视频内容的补充表示，并发布 CodeCap-Bench 评测基准，用来检验多模态大模型能否生成忠实的代码描述。该基准包含 323 个视频，覆盖五类结构化 2D 内容，配有细粒度标注和多级评测框架。 据论文作者称，在问答与视频重建任务上，代码描述比自然语言描述取得更高的推理准确率和重建保真度。实验显示，领先的闭源多模态大模型已具备一定代码描述能力，但仍难以忠实捕捉复杂时序动态，开源模型则明显落后。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。