Le filThèmes : ÉvaluationsRecherche
CineSubBench évalue la compréhension de films par les LLM à partir de sous-titres multilingues
1 sourcemis à jour 29 sept.pertinence 2,8 sur5
L’essentiel
Ce benchmark compte 1 012 films sous-titrés dans six langues, soit 6 072 pistes, et sept tâches. Sur neuf LLM, les prémisses d’intrigue sont retrouvées plus fiablement que les synopsis complets en événements.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceMir Tafseer Nayeem, Susmoy Chakraborty, Davood Rafieihuggingface.co
CineSubBench: Evaluating LLMs on Long-Form Narrative and Cultural Understanding from Multilingual Movie Subtitles (site externe)
We introduce CineSubBench, a benchmark for evaluating long-context film understanding from multilingual movie subtitles.
Sur les mêmes thèmes
Évaluations
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Évaluations
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Évaluations
Une étude montre que la date cachée dans les prompts système fait varier les évaluations de LLM
Évaluations
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
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