【ICCV2025】《AdsQA：面向广告视频理解》

大型语言模型（LLMs）在迈向通用人工智能（AGI）的道路上取得了重要进展。与此同时，越来越多的领域特定问题（如数学和编程）正在推动这些通用模型不断演化，向着更深层次的专业化知识学习发展。因此，当下正是进一步拓展知识型 LLMs 在多样化专业应用中的时机，尽管收集包含新颖且信息丰富任务的高质量数据仍然具有挑战性。在本文中，我们提出利用广告（ad）视频作为一个具有挑战性的测试平台，以探索 LLMs 感知超越常见视觉领域客观物理内容的能力。我们的动机在于充分利用广告视频丰富线索和高信息密度的特点，例如营销逻辑、说服策略和受众互动。我们的贡献主要包括三点：（1）据我们所知，这是首次尝试利用精心设计的广告视频任务来评估 LLMs。我们提出了 AdsQA，一个由 1,544 条广告视频构建的挑战性广告视频问答基准，涵盖 10,962 个片段，总时长 22.7 小时，提供 5 个挑战性任务。（2）我们提出了 ReAd-R，一种类似 Deepseek-R1 的基于强化学习的模型，能够通过自我反思问题，并结合奖励驱动的优化生成答案。（3）我们在 AdsQA 上对 14 个顶尖 LLMs 进行了基准测试，其中 ReAd-R 取得了最新的最优性能，并以显著优势超越了具备长链式推理能力的强大竞争对手。