AgenticVBench: Can AI Agents Complete Real-World Post-Production Tasks?
यह शोधपत्र AgenticVBench को प्रस्तुत करता है, जो उद्योग विशेषज्ञों के इनपुट से निर्मित वास्तविक दुनिया के 100 वीडियो पोस्ट-प्रोडक्शन कार्यों का एक बेंचमार्क है, जो यह प्रकट करता है कि वर्तमान अत्याधुनिक मल्टीमॉडल एआई एजेंट मानव विशेषज्ञों की तुलना में काफी कम सफलता दर प्राप्त करते हैं और निष्पादन हार्नेस (execution harness) के चयन के प्रति अत्यधिक संवेदनशील होते हैं।