品玩7月10日讯，据 Arxiv 页面显示，谷歌近日联手康奈尔大学发布论文，推出一款用于评估大模型视频理解能力的实验协议 VideoGLUE。

VideoGLUE包含动作识别、时间定位和时空定位三项标准任务、八个不同的数据集以及四种针对下游任务调整基础模型的方法。

论文显示，针对六个基础模型的研究，任务专业化模型在视频理解方面明显表现更好，这与在自然语言和图像理解方面取得的成就大不相同。