- 类型
- 论文
- 来源
- arXiv AI
- 发布
- 2026年7月29日 04:37
- 状态
- 单一信源
01
发生了什么
MultivationBench是一个新基准，用于评估多模态大模型在故事驱动的视觉叙事中进行顺序动机推理的能力。该基准基于马斯洛需求层次和Reiss基本欲望，要求模型整合累积的多模态上下文来推断演变中的动机。测试结果显示所有模型都难以维持一致的动机推理，暴露了静态识别与动态推理之间的差距。
02
为什么重要
此前评估主要依赖静态文本或孤立视觉快照，无法反映真实行为驱动因素的累积性。MultivationBench填补了动态动机推理评估的空白，揭示了当前多模态大模型在理解故事中角色动机演变方面的显著不足。
03
底层逻辑
基准基于马斯洛需求层次和Reiss基本欲望等心理学框架，通过要求模型整合连续的多模态上下文（如图像序列和文本叙述）来推断角色动机的变化，从而测试模型对叙事中动态行为驱动的理解。
04
产品与商业机会
机会分析尚未生成当前仅展示原文证据与规则信号，不用规则补写影响结论。
05
仍待确认
- 该基准能否覆盖所有类型的动机推理场景？
- 是否存在特定训练方法能提升模型在MultivationBench上的表现？
- 当前模型在该基准上的失败是否意味着它们无法用于需要社交智能的产品？