每日论文

近期，如Veo-3等生成视频模型的进展展现了令人惊讶的零样本推理能力，这催生了对系统化、可靠评估方法的迫切需求。为此，我们推出了V-ReasonBench，一个旨在从四个关键维度评估视频推理能力的基准：结构化问题解决、空间认知、基于模式的推理以及物理动态理解。该基准集成了合成与真实世界的图像序列，提供了一系列答案可验证的任务，这些任务具有可重复性、可扩展性及明确性。对六种顶尖视频模型的评估揭示了各维度间的显著差异，特别是在结构化、空间、模式基础及物理推理方面表现出的强烈变化。我们进一步将视频模型与强大的图像模型进行对比，分析了常见的幻觉行为，并探讨了视频时长对帧链推理的影响。总体而言，V-ReasonBench为衡量视频推理提供了一个统一且可复现的框架，旨在支持开发具备更可靠、与人类思维对齐的推理能力的模型。