分数之下：重新思考视频理解模型的幻觉评估

英文标题：Beneath the Scores: Rethinking Hallucination Evaluation for Video Understanding Models

该论文关注视频理解模型中的幻觉评估问题。作者指出，多阶段 LLM Agent 往往将时间定位、视觉观察和推理拆分处理，但这些阶段通常在不同基准和数据分布上分别评估。这样的评估方式难以揭示各阶段误差之间的关联，也难以全面判断模型的真实视频理解能力。研究对开发者构建和评测视频理解 Agent 提出了更统一、端到端幻觉评估的需求。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB