이 논문은 NeurIPS 2025의 Evaluating the Evolving LLM Lifecycle Workshop에서 받아들여졌다. 기존 비디오 이해 벤치마크는 종종 모델의 시간적 추론 능력을 명확하게 분리하는 대신, 지식 기반 및 순수 이미지 기반 질문을 혼동시킨다. 비디오 이해를 다른 모달리티와 구별 짓는 핵심 측면인 모델의 시간적 추론 능력을 명확히 분리하지 않는다. 우리는 두 가지 주요 제한 사항을 식별했다. 더 높은 점수가 동영상의 동적 콘텐츠에 대한 더 강한 이해를 진정으로 나타내는지 알아보기 어렵게 만드는 이 두 가지 제한 사항은 강한 언어 선행지식과 모델이 동영상을 보지 않고도 질문에 답할 수 있는 능력이다.

<Apple 뉴스 본문 전체읽기>