PlaylistEval：视频语言裁判在日长视频中还能被信任吗
PlaylistEval: Can Video-Language Judges Be Trusted at Day Scale and Beyond?
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
研究提出 PlaylistEval，一个无需人工标注、基于 100 小时播放列表自动构建视频语言裁判基准的智能体框架，覆盖七个领域共 630 对问答，在 152 对分层子集上与人类判断一致率为 93.0%（IAA 0.781）。
来源：Hugging Face Daily Papers · arxiv.org