EvaOmni 基准发布：要求全模态模型给出音视频证据链再推理
VisionXLab · hf · 2026-10-21
上海交大牵头，联合复旦、清华、腾讯优图等机构发布 EvaOmni，一个以证据为锚的音视频推理基准：不只看答案对错，还要求全模态语言模型识别视听证据并构建推理链来回答音视频问题。
「多模态」频道最新
- Topaz 并入 Adobe，Starlight Fast 将 720p 视频拉到 4K/60fps — Mr_AllenT · 2026-10-21
- YuE2 Studio:6GB 显存本地跑 M-A-P 音乐模型,免 Python 生成完整歌曲 — wzwowzw0002 · 2026-10-21
- RTX 3090 实测：FLUX 3 Klein int8 快一倍，FLUX.2 klein 4B 更稳 — strata2signal · 2026-10-21
- 南开 WinARDet：压缩窗口自回归破解密集场景检测框循环复读 — NankaiUniversity · 2026-10-21
- Qwen-Image 2.1 编辑人物总生成塑料感皮肤，负向提示词无效 — NorthAppropriate4458 · 2026-10-21
- 用 AI 图像重现拉美科幻名篇《Artificial》:母亲被合成部件逐步替换 — dasein47 · 2026-10-21