Skip to content
Hot eventLive

VLM在游戏参与度推断上的感知与理解差距研究

1 reports1 sources3 hr ago updated

Get the story

AI overview

研究使用 GameVibe Few-Shot 数据集评估三个 VLM 在九款第一人称射击游戏中的参与度推断能力。零样本预测普遍较弱，常不及多数类基线；检索增强提示可改善逐点预测，但成对预测始终困难。理论引导提示未能可靠提升表现，结果表明当前 VLMs 存在感知与理解之间的差距。

Generated from reports · updated 2 hr ago

LatestOct 2
研究指出当前 VLMs 在游戏参与度推断上存在感知与理解之间的差距。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Human-Computer Interaction
    VLMs 能否从游戏视频中理解人类参与度？

    研究使用 GameVibe Few-Shot 数据集评估三个 VLM 在九款第一人称射击游戏中的参与度推断能力。零样本预测普遍较弱，常不及多数类基线；检索增强提示可改善逐点预测，但成对预测始终困难。理论引导提示未能可靠提升表现，结果表明当前 VLMs 存在感知与理解之间的差距。

Heat trend

There is not enough continuous observation data to draw a trend yet.