但当前的大部分评测基准仍然具有以下几个缺陷： 多注重于短视频，视频长度或视频镜头数不足，难以考察到模型的长时序理解能力； 对模型的考察局限在部分较为简单的任务，更多细粒度的能力未被大部分基准所涉及到； 现有的基准仍可以仅凭单帧图像以 ...