**DataVista：首个多模态大模型数据视频理解基准**

_DataVista: Diagnosing Multimodal LLMs on Data Video Understanding_

> DataVista 是首个针对数据视频理解的基准测试，包含 961 个真实视频和 6,775 个问题，涵盖数据感知、时序推理和叙事理解三个层级。对 19 个主流多模态大模型的评估显示，最佳模型 Gemini-3.1-Pro 准确率仅为 70%，远低于人类专家水平，且在因果推理和叙事结构方面表现最差。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.11993)