Le filThèmes : ÉvaluationsRechercheOpen source
TRACE, un benchmark qui évalue la compréhension vidéo en flux continu selon les conditions d’exécution
1 sourcemis à jour 28 sept.pertinence 2,7 sur5
L’essentiel
Testé sur 1 240 enregistrements issus de 517 vidéos avec huit modèles ou systèmes, TRACE montre qu’une précision de QA presque identique peut masquer de gros écarts de complétion, de validité et de charge de génération.
Propagation1 article, publié par HF Daily Papers le 28 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceYibo Ma, Qianqian Zhang, Peng Liu et al.huggingface.co
TRACE: Temporal Audit and Condition-aware Evaluation of Streaming Video Understanding (site externe)
Streaming video understanding requires models to interpret evidence as it arrives, yet current evaluations often report task scores without specifying when evidence becomes valid, how visual history is maintained, or how responses are triggered.
Sur les mêmes thèmes
Recherche
LastOPD limite l’effondrement de la distillation on-policy avec un signal latent appliqué en fin de réseau
Recherche
PSSA, un modèle de langage récurrent non transformer écrit de zéro en Rust, est présenté sur Hacker News
Recherche
SeLMRoute choisit le modèle de langage adapté à chaque requête grâce à des indices sémantiques probabilistes
Évaluations
Raven, écosystème multi-agents open source, construit et fait évoluer des harnais modulaires
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5