TempCloze: Can Video-LLMs Identify the Missing Middle?

• 类型：arxiv
• 标识：2609.01515
• 链接：https://arxiv.org/abs/2609.01515
• 主分类：multimodal
• 形态：benchmark
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：Temporal reasoning benchmarks for Video-LLMs are often mediated by language, leaving room for linguistic shortcuts from option wording, answer correlations, or language priors, so TempCloze is introduced, a video cloze benchmark for evaluating visual temporal reasoning in Video-LLMs.
• OpenAlex ID：W7206171562
• OpenAlex DOI：10.48550/arxiv.2609.01515
• DOI：10.48550/arxiv.2609.01515
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2609.01515
• OpenAlex更新：2026-09-12
• 副分类：evaluation
• 待LLM分类：否
• 标题中文：TempCloze：Video-LLM 能否识别缺失的中间片段？
• TLDR中文：Video-LLM 的时间推理基准常以语言为中介，留有来自选项措辞、答案相关性或语言先验带来的语言捷径空间，因此提出 TempCloze，一个用于评估 Video-LLM 视觉时间推理能力的视频完形填空基准。
• 来源文件：
• /inbox/tom/_candidates/2026-09-11-agent-rag-longcontext-candidates.json
• [OpenAlex backfill]
• [S2 enrich]