跳到正文
Hugging Face Blog·· 2025-07-23AI 评分29

TimeScope:视频大模型到底能理解多长的视频?

TimeScope: How Long Can Your Video Large Multimodal Model Go?

AI 导读

Hugging Face 上开源了长视频理解基准 TimeScope,通过向 1 分钟至 8 小时的视频中插入 5-10 秒的"针"片段,评测模型的局部检索、信息综合与细粒度时序感知三项能力。结果显示,包括 Gemini 2.5-Pro 在内的领先视觉语言模型在真正的长视频时序理解上仍明显吃力,且视频越长性能下降越明显。

打开原文 huggingface.co