视频推理界的“福尔摩斯测试”：所有大模型，统统不及格 | 开源

金磊整理自凹非寺量子位 | 公众号 QbitAI 一个新的 Benchmark，竟让大模型在复杂视频推理这事儿上统统不及格！这就是腾讯 ARC Lab 和香港城市大学最新推出的 Video-Holmes—— 如其名，它可以说是视频推理界的“福尔摩斯测试”，通过让多模态大模型参与“推理杀人凶手”，