论文页面 - SVI-Bench：面向战略视频智能的动态微世界

来源：https://huggingface.co/papers/2605.31529

摘要

战略视频智能需要理解、因果推理和规划能力，而现有基准测试未能充分评估这些能力，导致在复杂认知任务中表现差距显著。

真正的视频智能不仅仅是识别可见内容：它需要推理事件发生的原因、预测不同条件下会发生什么变化，以及决定下一步该做什么。我们将这种从感知经因果推理和模拟到战略规划的进阶过程，称为战略视频智能（SVI）。现有基准测试均未评估这一能力栈：野外视频缺乏针对因果和战略问题的可验证真值，而合成环境则牺牲了真实多智能体系统的复杂性。为填补这一空白，我们引入了 SVI-Bench，这是一个大规模基准测试，利用团队运动作为动态微世界，将现实世界多智能体交互的复杂性（10-22 个智能体在对抗压力下做出协调决策）与明确规则和确定性结果的可验证性相结合。SVI-Bench 包含约 35,000 小时的广播视频、1,500 万个标注动作、15,000 小时的专家解说、23,000 份比赛报告以及涵盖篮球、足球和冰球的 103,000 条结构化统计记录，所有这些均通过一个数据引擎构建，该引擎将原始比赛数据转换为密集且交叉引用的语料库。我们将评估组织为 9 项任务，涵盖一个递进的四大支柱层级：动态场景理解、因果推理、战略模拟和智能体综合。对强大的多模态和智能体基线进行评估后，我们发现一个能力悬崖：模型在感知任务上表现尚可，在细粒度动作问答上达到约 73% 的准确率，但在每个后续认知层级上急剧下降。智能体任务最为困难：当需要自主收集并整合来自 180 万个剪辑的语料库证据时，最强模型仅能达到 5% 的准确率。

查看 arXiv 页面 (https://arxiv.org/abs/2605.31529) 查看 PDF (https://arxiv.org/pdf/2605.31529) 项目页面 (https://svi-bench.github.io/) GitHub0 (https://github.com/Texaser/SVI-Bench) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.31529)

在你的智能体中获取这篇论文：

hf papers read 2605.31529

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 1

MVP-Group/svi-bench 更新于 1 天前 (https://huggingface.co/MVP-Group/svi-bench)

引用此论文的数据集 1

MVP-Group/SVI-Bench (https://huggingface.co/datasets/MVP-Group/SVI-Bench)

引用此论文的 Space 0

没有 Space 链接此论文

请在 Space 的 README.md 中引用 arxiv.org/abs/2605.31529 以从此页面链接。

包含此论文的收藏 0

没有包含此论文的收藏

将此论文添加到收藏 (https://huggingface.co/new-collection) 以从此页面链接。