电影核心：电影中的认知推理

于红博

摘要: 本文介绍了MovieCORE，这是一个新颖的视频问答（VQA）数据集，旨在深入探索电影内容的认知理解。与现有着重于表面理解的数据集不同，MovieCORE强调引发第二系统思维的问题，同时保持与视频材料的特定性。我们提出了一种创新的主体性头脑风暴方法，利用多个大型语言模型（LLMs）作为思维代理生成和完善高质量的问题-答案对。为了评估数据集的质量，我们开发了一套评估深度、引发思考潜力和语法复杂性的认知测试。我们还提出了一套全面的评估方案，用于评估VQA模型在更深层次认知任务上的性能。为了解决现有视频语言模型（VLMs）的局限性，我们引入了一种主体性增强模块，Agentic Choice Enhancement（ACE），通过提高模型推理能力使其在训练后提高了25%。我们的工作有助于推动AI系统中对电影理解的发展，并为当前VQA模型在面对更具挑战性、微妙的有关电影内容的问题时的能力和限制提供宝贵见解。我们的项目页面、数据集和代码可在https://joslefaure.github.io/assets/html/moviecore.html找到。

更新时间: 2025-09-18 12:56:38

领域: cs.CL,cs.AI,cs.CV

下载: http://arxiv.org/abs/2508.19026v3