行业与实践 · 标签「自我中心」

研究与基准测试/2026-11-07/16 分钟

Minerva-Ego：64 帧上最好的模型只有 40.1，人是 91.8

Google DeepMind 的 Minerva-Ego 有 1,160 道自我中心视频题。64 帧时 Gemini 2.5 Pro 准确率 40.1%，人是 91.8%。用真值把该看的物体和时间标出来，256 帧上从 44.5% 到 50.3%。