待验证50% 置信事实精确时间
交互式视频问答（streaming/interactive video QA）通常由用户显式提问触发回答，而 P³IBench 要求模型在没有明确指令时自行决定是否输出，将响应决策本身变为评测对象。
1
来源数
50%
置信度
长期有效
时效性
2026/10/16
首次发现
来源
P³IBench：视频助手从感知到干预的主动理解评测
rss2026/10/15
涉及实体
相关事实
待验证偏好配置中的自动执行与询问模式区别在于：询问模式下Agent会先与用户确认再生成图片或视频66% 相似待验证视频理解驱动的推理指模型不仅能识别视频中“发生了什么”，还能推断“为什么失败”，通常依赖视觉-语言模型（VLM）将视频帧序列编码为语义表示，再结合任务目标进行因果推断。63% 相似待验证研究者提出了 P³IBench，一个面向真实流式场景的主动视频理解基准，将主动能力拆分为日常感知（daily perception）、风险预测（risk prediction）与干预（intervention）三类。63% 相似待验证该课程包含一个视频生成Agent，将生成—评估—反馈闭环思路延伸到动态内容创作62% 相似待验证对话式视频编辑系统需要同时处理语义理解和时序定位两个层次的问题，难度高于纯文本或静态图像的AI编辑61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1046771API
curl https://kongchang.com/api/v1/knowledge/claims/1046771MCP
get_claim(id=1046771)