FastBench揭示流式VLM高动态感知局限

发生了什么

据arXiv cs.CL报道，FastBench基准测试评估流式视觉语言模型在高动态视频中的感知能力。测试包含306个问答对，发现最强模型Gemini-3.5-Flash得分仅50.7%。密集采样虽提升Qwen3-VL-8B表现，但收益随历史压缩饱和。ProactiveFrame基线优于稀疏采样但仍远逊于理想聚焦。