不确定性评估

VirtueBench：评估长视频理解中不确定性下的可信度

VirtueBench: Evaluating Trustworthiness under Uncertainty in Long Video Understanding

该基准通过多级帧采样构造可回答与不可回答的样本，为评估视觉语言模型在长视频理解中的诚实性（拒绝回答能力）提供了可复用的评测协议，可直接用于诊断现有模型在信息缺失时是否倾向于猜测。