MMSI-Video-Bench：上海AI Lab发布空间智能视频基准

MMSI-Video-Bench是什么

MMSI-Video-Bench 是一个专为评估多模态大语言模型（MLLMs）在视频空间智能方面性能而设计的基准测试工具。该工具由上海人工智能实验室等多家顶尖高校联合开发，旨在测试模型在现实环境中对空间的理解和逻辑推理能力。MMSI-Video-Bench 汇集了来自25个公开数据集以及1个自主研发数据集的1278个高质量视频片段，涵盖了室内环境、城市街景、机器人操作等多种复杂应用场景。这些问题由经验丰富的11位3D视觉专家精心设计，确保了测试内容的高度挑战性和准确性。该基准通过多维度任务设计，全面考察模型在空间感知、运动预测、行为规划和跨场景推理等方面的能力，从而系统性地评估其视频理解和决策能力。

MMSI-Video-Bench的主要功能

• 多模态性能评估：作为首个专注于测试多模态大语言模型视频空间智能的基准工具，MMSI-Video-Bench 能够系统性地评估模型对动态视频内容的理解和推理能力。