BriefGPT - AI 论文速递 · 2025-05-07T00:00:00Z R^3-VQA: 通过视频社交推理“读懂房间” 💡 原文中文，约500字，阅读约需2分钟。 📝 内容提要 本研究提出了新的视频数据集R^3-VQA，以解决社交推理任务的复杂性不足问题。研究表明，现有视觉语言模型在复杂社交场景中的推理能力仍低于人类，而心理理论的应用可以提升其社交推理能力。 🏷️ 标签 R^3-VQA 复杂场景 心理理论 社交推理 视觉语言模型 阅读原文 生成长图 分享链接 已复制链接
