伦敦玛丽女王大学 发布 V-STaR 数据集, 应用在 视频理解、自然语言处理 领域

伦敦玛丽女王大学 本次发布的数据集 V-STaR, V-STaR数据集是由伦敦玛丽女王大学、南京大学和南洋理工大学的研究人员构建的，旨在评估视频大型语言模型在视频时空推理方面的能力。该数据集包含由半自动化GPT-4驱动的管道生成的粗到细的CoT问题，模仿人类的认知过程，嵌入明确的推理链。数据集通过分解视频理解任务为逆时空推理任务，同时评估模型在识别对象、事件发生时间和对象位置方面的能力，以及模型构建CoT逻辑的过程。

查看V-STaR

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。