待验证50% 置信事实精确时间

VCR-Bench 当前评测仅基于 Kinetics-400 子集，覆盖的数据集和场景仍有限

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/8

首次发现

有效期至：2027/1/6

来源

VCR-Bench：填补视频分类鲁棒性评测空白的开源框架

涉及实体

VCR-Benchproduct Kinetics-400concept

相关事实

待验证现有模型评测体系（如HumanEval、MBPP及各类Arena）主要衡量能力上限，很少将端到端任务完成率纳入评估维度59% 相似待验证GPT-4V、Gemini 等大模型在工业缺陷检测、病理切片分析等垂直领域的零样本检测精度在 mAP 指标上与专用模型存在 20-40 个百分点的差距58% 相似待验证即使只有5-10%的训练样本存在错位，也会导致VLM模型在下游任务上出现显著的性能退化58% 相似待验证文件越小、参数量越低的模型，性能表现通常越有限57% 相似待验证相比MoE新增专家参数，LRCC复用已有的低秩因子，额外参数开销更小56% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/986902

API

curl https://kongchang.com/api/v1/knowledge/claims/986902

MCP

get_claim(id=986902)