南洋理工新测试揭示多模态AI短板：GPT—4o视频理解正确率仅36%

南洋理工大团队提出Video—TT测试基准，评估视频大型语言模型的真实理解能力。结果显示，GPT—4o在视频理解正确率仅36.6%，远低于人类的84.3%。研究指出当前多模态模型存在三大缺陷：时空关系处理能力差、缺乏常识推理、复杂情节理解不足。测试表明AI在视频思维的准确性和鲁棒性上与人类差距显著，尤其在需要深度推理的任务中表现薄弱。