Video Multimodal Learning Understanding Benchmark: A Large-Scale Cross-Disciplinary Lecture Understanding Benchmark
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究关注语言多模态模型在多学科讲座理解中的不足，提出Video-MMLU基准，评估90多种模型，揭示其认知局限，并探讨视觉标记数量对表现的影响。
🏷️
