AskStream：流式视频理解主动提问基准发布

Lu Wang 等研究者在 arXiv 发布 AskStream，称其为首个覆盖视频与用户不确定性的流式视频理解多轮主动提问基准，在传统“等待/回答”之外增加“提问”动作，用于评测模型在不确定条件下何时提问、问什么。 该基准包含 438 个视频和 2,714 个人工标注的帧级时间窗口，标注分为 wait、ask、answer 三类，共 4 个任务类别、8 个子任务。测试结果显示，最强模型在 Ask-F1 指标上也仅达 52.18%，表明现有模型在不确定条件下主动获取信息的能力仍有明显局限。

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。