Recientemente, Zhipu, la Universidad de Tsinghua y la Universidad de Pekín colaboraron en el lanzamiento de un proyecto de prueba de referencia para la comprensión de videos largos llamado LVBench. Si bien los modelos de lenguaje grandes multimodales existentes han logrado avances significativos en la comprensión de videos cortos, todavía enfrentan desafíos al procesar videos largos de varias horas. Para llenar este vacío, surgió LVBench.