TempCloze：Video-LLM 能否识别缺失的中间片段？

研究团队推出 TempCloze，一个视频完形填空基准，要求 Video-LLM 根据视频开头和结尾片段从四个候选中找出真正缺失的中间内容。该基准包含来自七个来源的 1,521 个视频，并沿 Semantic、Alignment、Progression 三个维度构建同源干扰项。对 10 个闭源和 21 个开源 Video-LLM 的评测显示，时间对齐（Alignment）是主要瓶颈。