时间盲症：使用 CHRONOSIGHT 基准测试视觉 - 语言模型的时间推理能力

人类对视觉场景的感知具有内在的时间性。本文提出 CHRONOSIGHT 基准，严格评估视觉语言模型（VLM）在五个维度上的时间推理能力：时序排序、阶段定位、时间间隔估算、逆序检测及异常识别。基准涵盖八个过程类别，时间跨度从分钟到千年。实验评估了八个开源 VLM 并与人类表现对比，发现最佳模型得分仅为 0.40，存在显著“时间盲症”。研究表明，通过少量样本微调可显著提升性能，表明瓶颈部分源于指令遵循而非视觉感知本身。