研究者发布ReactionBench视频反应理解基准

研究者提出并发布ReactionBench，一个以人类标注为锚的视频反应理解基准，用来评测多模态模型能否把观察到的观众反应对应到引发它的刺激内容。基准由31,834段同步刺激—反应片段构成，覆盖433小时、八个领域，设反应强度排序、反应与时间对齐刺激匹配、解释刺激线索三项任务。 在七个多模态模型上的测试中，最佳模型四选一匹配准确率仅为50.9%；GPT-5在反应替换下未出现可检测的性能下降。该基准被NeurIPS 2026交互智能体评估研讨会（IAEval）接收。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。