跳到主要内容Skip to main content

Models · Evals

Video-MME

视频理解(短/中/长视频)

测什么视频理解(短/中/长视频)
任务与数据900 段视频、2,700 题;多领域
指标准确率
污染风险题集公开;视频可能出现在训练;污染风险中高。
复现固定抽帧数、时间戳与 prompt。
成本高;视频解码与长上下文
快照日2026-11-19(本站快照;上游版本以仓库为准)
核验日2026-11-19

怎么读

适合看长视频理解;不适合实时视频流。

第一次使用

先跑 short 子集 10 条,确认抽帧与字幕。

常见坑

抽帧数不同不可比;把字幕当视觉理解。

不适合

不适合评估视频生成。

对比与替代

与 MMMU 相比更偏时序视频;与 DocVQA 相比不是文档。

怎么验证

核对视频清单、抽帧配置与评分。

下一步

  • 打开榜单或论文页,确认题集版本、评分脚本与提交日期。
  • 把它和你关心的业务任务做对照;找不到对应任务,就自己建 50–100 条内部评测。
  • 读 怎么读榜单,把“分数”写成“条件 + 参考价值”。
榜单 / 来源:https://video-mme.github.io/ · 快照 2026-11-19(本站快照;上游版本以仓库为准)