DashBench 收集 1709 段交通视频,测试 25 种视频语言模型对碰撞和非碰撞罕见事件的理解,重点不是常见路况问答,而是安全关键情景。 团队在多种提示与开放问答中观察到漏看危险、误判事件及描述不存在对象等问题,报告全部受测模型仍未达到其安全关键应用要求。该结果不能等同于对量产自动驾驶系统的路测排名,论文计划公开代码与数据。 来源:arXiv。 配图:GETAI.APP 原创主题插画,非新闻现场实拍或官方产品界面。