Neuer Benchmark testet Code als Video-Untertitel
Forscher entwickelten einen 323-Video-Benchmark mit 5 Kategorien für die Analyse von Code und Sprache. Die Untersuchung zeigt, dass ausführbare Programme Bewegungsabläufe besser erfassen als natürliche Sprache.
Forscher argumentieren, dass Programme feinkörniges Layout und Bewegung besser erfassen als natürliche Sprache und bauten einen 323-Video-, 5-Kategorien-Benchmark; Top-Multimodal-Modelle kämpfen weiterhin mit komplexer zeitlicher Dynamik.
Originalquelle: AlignedNews.