标签
OmniAssistBench 是一个用于评估作为实时视频助理的全能大语言模型的基准测试，揭示当前模型在视觉提示、上下文保持和及时响应方面存在困难。
VideoSeeker 引入了一种实例级视频理解的新范式，将智能体推理与视觉提示相结合，通过自动化数据合成和强化学习实现卓越性能，超越了 GPT-4o 和 Gemini-2.5-Pro。
MarkUp 是一款允许用户通过视觉提示使用AI编辑网站的工具。