arXiv cs.AI· Gabriel Manalu, Minh Son Hoang, Hyeontaek Hwang, Jaesung Lee, Hyojin Choi, Tran Tuan Phong, Seon Kwon Kim, Saad Wazir, Daeyoung Kim·· 1 天前AI 评分31
DashBench：评估 Video LLM 对自动驾驶极端场景的理解能力
Evaluating Video LLMs' Understanding of Corner Cases in Autonomous Driving
AI 导读
研究团队推出 DashBench 基准，用 1,709 段精心筛选的驾驶视频测试 25 个 Video LLM，覆盖碰撞类与罕见非碰撞类极端场景。结果显示所有受测模型表现均远低于安全关键驾驶应用所需阈值，常误判或漏判前方危险事件，并在解释中幻觉出不存在的交通参与者或动作。该基准已被 BMVC 2026 接收，代码与数据将公开。
正文 · AI 翻译
摘要：现代视频大语言模型（Video LLM）所承诺的自然语言解释，为自动驾驶系统提供了一条通往详细场景描述和道路上可解释决策的路径。虽然近期的基准测试已开始评估这些模型在驾驶场景中的表现，但它们主要针对常规交通条件和基于现有驾驶数据集的通用理解任务，因此无法评估模型在最罕见、最关乎安全的驾驶事件（也称为“极端情况”）上的表现。为了全面评估视频大语言模型在这些场景下的表现，我们推出了 DashBench，这是一个基准测试，在 1,709 段精心挑选的驾驶视频上测试 25 个视频大语言模型，这些视频不仅涵盖与碰撞相关的极端情况，也涵盖罕见的非碰撞极端情况。通过大量提示词和开放式问答，我们揭示了一个关键的能力差距：所有被评估的模型表现都远低于安全关键型驾驶应用所需的阈值，经常误判或漏判前方道路上的危险事件，并在其解释中臆造不存在的交通参与者或动作。我们相信，DashBench 将广泛的数据集与严格的评估工具包以及对当前模型局限性的详细诊断相结合，将推动朝着更安全、更可解释的自动驾驶系统迈进。代码和数据将在以下网址共享：此 http URL
| 评论： | 已被 BMVC 2026 接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.16767 [cs.CV] |
| （或 arXiv:2611.16767v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.16767 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Gabriel Manalu [查看电子邮件]
[v1]
2026年11月12日星期四 13:15:27 UTC（17,021 KB）
来源：arXiv cs.AI · arxiv.org