首个流式视频注视基准 StreamGaze 发布，被 NeurIPS 2026 接收

研究者发布首个基准 StreamGaze，评估多模态大语言模型（MLLM）在流式视频中利用人类注视信号进行时序推理与主动预测的能力。基准包含注视引导的过去、现在与主动任务，通过注视轨迹对齐自我中心视频构建问答数据。 实验显示当前 SOTA MLLM 与人类表现存在明显差距。基准的数据与代码已公开，论文被 NeurIPS 2026 接收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。