Recentemente, a Zhipu, em colaboração com a Universidade Tsinghua e a Universidade de Pequim, lançou um projeto de benchmark de compreensão de vídeo longo chamado LVBench. Embora os modelos de linguagem grandes multimodais existentes tenham feito progressos significativos na compreensão de vídeos curtos, eles ainda enfrentam desafios ao lidar com vídeos longos com duração de horas. Para preencher essa lacuna, o LVBench foi criado.