Kürzlich haben Zhihu, die Tsinghua-Universität und die Peking-Universität gemeinsam ein Benchmark-Projekt für das Verständnis langer Videos namens LVBench vorgestellt. Obwohl bestehende multimodalen großen Sprachmodelle im Verständnis von Kurzvideos große Fortschritte gemacht haben, bleiben sie bei der Verarbeitung von Stunden langen Videos weiterhin eine Herausforderung. Um diese Lücke zu schließen, wurde LVBench entwickelt.