基准
HLR-AVSceneQA
面向空间音视频场景理解的分层评测基准，按'听(Hear)—定位(Localize)—推理(Reason)'三层能力递进设计，区分自我中心与他人/环境中心两种参照系，可诊断模型各层级瓶颈
时间轴 (近 90 天)
10月16日
研究团队提出了HLR-AVSceneQA，一个按照'听—定位—推理'（Hear-Localize-Reason）层级结构设计的空间音视频综合评测基准。
待验证50%
10月16日
HLR-AVSceneQA的三层结构分别对应三类递进能力：听（识别声音内容）、定位（在egocentric和allocentric视角下定位声源）、推理（推理声源与视觉场景中其他元素的关系）。
待验证50%