CLIP-CC-Bench: Evaluating Paragraph-Level Video Descriptions in Video-Language Models
CLIP-CC-Bench：评估视频语言模型的长段落描述能力
🧭 视频语言模型评估 · 长文本生成
South Dakota State University
提出首个面向段落级长视频描述的评估基准，通过嵌入模型集成与粗细粒度匹配衡量生成质量
📌 工作参考价值（4 点）
- 嵌入模型集成评估法：用多个 LLM 作为评判器的思路可直接迁移到电商商品描述、推荐理由、广告文案等生成任务的离线评估，避免单一嵌入模型带来的评分偏差，提升评估鲁棒性。
- 粗细粒度语义匹配：粗粒度匹配确保主题一致性，细粒度匹配捕捉细节忠实度，这种分层评估方式可用于 Agent 回复、搜索结果摘要等长文本生成场景，快速定量诊断生成质量。
- Borda 聚合排名：当需要从多个评测指标或多个评判器综合对比模型时，Borda 计数法提供了一种简单稳定的排名聚合方案，适合在业务模型选型或线上 A/B 评估中引入。
- 长文本评估基准构建：从原始内容切分、专家撰写参考到标准化评估脚本的完整流程，可复用到电商直播切片描述、商品讲解视频摘要等垂直域的长文本生成评估任务中。