清华发布 Event-STVG 基准:4016 个事件考验长视频推理
Yizhe Zhang · hf · 2026-10-21
清华大学与北京邮电大学团队发布 Event-STVG 任务与大规模基准,把时空视频定位(STVG)从「定位片段描述的目标」推进到事件级推理。
- 任务要求:长上下文事件定位、重复事件消歧、角色推断、多目标时空定位
- 基准规模:涵盖 4016 个标注事件,横跨社会事件等多个领域
- 现有多模态大模型在此任务上表现显著不足,暴露长视频事件推理短板
对做多模态理解和视频定位的研究者是值得关注的新评测维度。
「研究」频道最新
- MemOS 发布记忆原生模型 MemT 1.0：清空上下文也记得住 — lxfater · 2026-10-21
- EvoMusArt 2027 开始征稿，2027 年 4 月德国美因茨举办 — evomusart_conference · 2026-10-21
- 12 秒测量替代 5 小时：概率去噪自编码器为 AI 科学结果标上误差棒 — bravo_abad · 2026-10-21
- NUS 提出 LLM2R：用 decoder-only LLM 一次前向完成 3D 零件装配 — NationalUniversityofSingapore · 2026-10-21
- 蚂蚁国际 FlowState：把执行状态当记忆，长程 Agent 更省 token 且成功率更高 — ant-intl · 2026-10-21
- Google TEAL：无需标注让编码 Agent 自进化出可复用数据分析工具 — google · 2026-10-21