Navers Lab / Einsia：六个评测分别测什么
按任务、评分和证据理解 Einsia 的六个评测，连接完整 Radar 详情与原始发布资料。
Claire Radar
GuideMe
原始来源英文简介
GuideMe is a benchmark for evaluating multimodal large language models on streaming video task guidance. It includes 2,458 videos (223.7 hours) with 47,775 interaction samples covering next-step instructions, completion feedback, error detection, and corrective guidance. Assessment uses temporal-semantic matching, behavioral classification, and LLM-as-a-Judge.
已收录的评测资料
本站尚未从这条来源记录收录数值成绩。下面的论文、代码或数据入口可用于核对任务与实验结果；这不表示原论文没有实验结果。
从这些资料开始
引用文档及日期（1）
目录采集于 2026-10-14，资料入口与字段反映当时保存的来源。
关注度快照
观测日期：2026-10-11
- GitHub 星标
- 4
- Hugging Face 论文点赞
- 1
这是注明日期的关注度观测，不是实时计数或评测分数。
评测信息与证据
- 来源
- Claire Radar
- 发布者
- 未收录
- 评测发布日期
- 2026-07-03
- 采集日期
- 2026-10-14
- 模态
- 未收录
本站保留来源报告的结果，不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期；不同运行条件不能直接合并为统一排名。
报告成绩 0
本来源记录尚未收录数值成绩。这不表示模型得分为零，也不表示该评测没有公开成绩；请查阅原始资料。