O Que Mede a Pontuação de um Benchmark Temporal? Decompondo o Uso de Canais na Avaliação de VLMs de Vídeo

arXiv:2607.12304v1 Tipo de Anúncio: novo Resumo: Uma pontuação em um benchmark de perguntas e respostas temporais sobre vídeo tem o objetivo de medir se um modelo possui compreensão temporal, mas ela mistura duas questões. 1. A questão da tarefa: a pergunta é de fato temporal, ela precisa de vários frames e da ordem deles? e 2. A questão do canal: quando ela precisa, o modelo recupera a ordem a partir dos pixels ou a lê a partir da codificação posicional (RoPE)? A maior parte de uma pontuação temporal não responde a nenhuma das duas, um único frame e uma resp...