标签
EvaOmni 提出了一个证据接地的音视频推理基准，包含 392 个视频和 1,027 个人工标注问答对，要求模型同时返回答案与证据区间，并提出 Coverage Grounded Score 与 Bottleneck Grounded Score 评估推理链；Gemini3.7-Flash 表现最佳，但复杂推理层面的接地定位仍明显不足。