arXiv cs.LG· Ziyang Zhang, Shenyi Li, Yilin Wang, Ziyun Cui, Bowen Zhou, Wen Wu, Chao Zhang·· 7 小时前AI 评分27
MMTA：面向时间序列、文本与视觉的多模态时序分析基准
MMTA: Benchmarking Multimodal Temporal Analysis with Time Series, Text, and Vision
AI 导读
研究者发布 MMTA 基准，用时间序列、文本与视觉三模态任务评测多模态大模型，覆盖机器人、自动驾驶、医疗等九个领域，测试集含 3,524 个样本，涵盖分类与预测。评测八个开源与闭源 MLLM 发现共同瓶颈：将时间序列表示为文本会产生超长 token 序列，削弱与视觉证据的细粒度对齐。团队同时提出带专用时间序列编码器的 TimeOmni-v，提升长视频分类与时间序列推理效率。
来源：arXiv cs.LG · arxiv.org