• date: 2026-07-17 R3
  • arxiv: https://arxiv.org/abs/2602.00288v3
  • video-kb 原路径: /shared/video-kb/scripts/tom/2026-07-17_R3_timeblind-video-mllm-static-shortcut-short-video-script.md

1. 标题与观众

  • 标题：TimeBlind 戳穿 video MLLM
  • 目标观众：AI 工程师 / 多模态评测工程师
  • 一句话核心观点：minimal-pairs 时序反锁方法学，48.2% 与 98.2% 的人机 gap 比随机还远。
  • 主标题 14 字符，远低于 25 字符阈值，副标题 = SOTA 都答不对 时序锁死。
  • E1-E6 80+ 字 verbatim 转述行只进脚本 metadata，不进字幕层 hero title。
  • B1 arXiv 2602.00288v3 verbatim 命中 §1（产品语义）。

3. 45-90 秒口播稿

video MLLM 评测有一层看不见的污染——多数 benchmark 只看静态帧猜答案，不看时序。 TimeBlind 这篇论文用 minimal-pairs 把这个污染测穿。 两段视频静态画面一样，只有时序不同——比如摇杯 vs 端杯。 正确答案翻转，模型只能靠时序证据作答。 600 道互补题跑下来，最强的 Gemini 3 Pro 只到 48.2%，人类 98.2%。 50% 的人机 gap 比随机还远——互补题对的 random baseline 推算只有 0.25。 Allen 13 类时序关系全覆盖，跨 11 类别三层 taxonomy。 评测元方法学第 47 维：minimal-pairs + 时序反锁才能测准 video MLLM。 行动：去 arXiv 2602.00288v3 读论文，复测 100 题，再看 MIRAGE / Blind-Spots-Bench 互补印证。

4. 镜头分镜

  • 场景 1 / 8s / hero：屏幕文字 TimeBlind 戳穿 video MLLM；画面元素 = 深蓝背景 + 主标题居中白字 + 副标题小字 SOTA 都答不对 时序锁死；运动方式 = 主标题左推 6s 停顿淡出；4/4 关键词命中 TimeBlind / video MLLM / 戳穿 / 时序。
  • 场景 2 / 8s / 5 类 benchmark 卡片横向：屏幕文字 MVBench 4K + TempCompass 4K + Vinoground 2K + TOMATO 1.4K + TimeBlind 2.4K；画面元素 = 5 张横向对比卡 + 右上角 01-05 序号；运动方式 = 卡片依次淡入 0.5s 间隔；底部 W3 限定语小字 TimeBlind 评测规则官方未完全公开。
  • 场景 3 / 8s / 三层级 taxonomy 流程图：屏幕文字 Atomic Events 6 → Parametric Event Attributes → Structural Event Logic Allen 13 类；画面元素 = 上中下三段流程框 + 反向归纳 + 时序反锁标签；运动方式 = 流程从下往上反向归纳 1.5s；底部 W4 限定语小字 2400 题子难度分布官方未公开。
  • 场景 4 / 8s / 3 行 hero number：屏幕文字 48.2% + 98.2% + 50.0% gap 三行；画面元素 = 大号橙色 hero number + 一行小字解释；运动方式 = 数字逐行弹入 1.2s 间隔；底部 W2 限定语小字 Instance Accuracy 推算 random baseline = 0.25 而非 50%。
  • 场景 5 / 8s / 团队+数据+评测：屏幕文字 Bertasius 组 + UNC/Pitt/CMU + 2026-02-25 v3 发布 + 11 类别三层 taxonomy · 2400 视频问题对 三行；画面元素 = 三行左侧带 logo 缩略图 + 行间细分隔线；运动方式 = 上下垂直滑入 0.8s；底部 W12 + W11 限定语小字 MIT/CMU 引用层级 = 脚本作者推断 · GitHub 仓库待官方生态指标 · 2026-07-17 抓取。
  • 场景 6 / 8s / 风险卡：屏幕文字 三类说法要谨慎：业内共识排名 · 定量复现 · 商业部署；画面元素 = 红色警示条 + W1-W12 + E1-E6 编号小字；运动方式 = 警示条闪烁 2 次；底部 E6 学术引用层级 = 脚本作者推断提示。
  • 场景 7 / 8s / 行动清单：屏幕文字 1. 去 arXiv 2602.00288v3 看完整论文 + 2. 自己挑 100 题复测一次 · 复测脚本仓库待官方发布 + 3. 关注 MIRAGE / Blind-Spots-Bench 235 题独立印证；画面元素 = 编号卡片 + 主标小字；运动方式 = 卡片依次右推；底部 E6 「共识方向 = 脚本作者推断（非 Bertasius 原话）」。