Video-Arena 视频时空理解基准发布

2026年10月14日，arXiv Computer Vision 刊出 Kuan Zhang 等作者的工作，提出并发布 Video-Arena 视频时空世界状态理解基准。该基准将竞技游戏录像转化为可扩展、可验证的视频测试，用于评测模型对动态世界状态的理解与跟踪，涵盖感知关键事件、解读状态更新、跟踪结果状态三类任务。为保持评测可负担且可复现，作者构建了覆盖 9 款游戏、共 180 项任务的 golden set，并在两种协议下开展评测：原生视觉理解与工具辅助的智能体式分析。目前进展为基准发布与评测协议说明，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。