BriefGPT - AI 论文速递 · 2024-12-03T00:00:00Z AV-Odyssey Benchmark: Can Your Multimodal Large Language Model Really Understand Audio-Visual Information? 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了AV-Odyssey基准，评估多模态大语言模型在理解音视频信息方面的表现。通过设计4555个多项选择题，揭示了现有模型在简单音频任务中的局限性，为未来的数据集和模型开发提供了重要见解。 🏷️ 标签 AV-Odyssey model 多模态大语言模型 局限性 评估 音视频信息 阅读原文 生成长图 分享链接 已复制链接
