M3-Bench est un ensemble de données de référence de type questions-réponses vidéo publié par ByteDance Seed Team en 2025. Les résultats de l'article associé sont «Voir, écouter, se souvenir et raisonner : un agent multimodal doté d'une mémoire à long terme", qui vise à évaluer la mémoire à long terme et la capacité de raisonnement des agents intelligents multimodaux.

L'ensemble de données contient 1 020 échantillons vidéo, chacun incluant des sous-titres, des sorties intermédiaires et des cartes mémoire. M3-Bench utilise principalement des questions-réponses ouvertes (QRE) sur de longues vidéos, chaque vidéo étant accompagnée d'une série de questions ouvertes.

Composition des données :

• M3-Bench-robot : 100 nouvelles vidéos à la première personne de scénarios réels (du point de vue du robot) enregistrées par l'équipe de recherche

• M3-Bench-web : 920 longues vidéos provenant d'Internet, couvrant une gamme plus large de contenus et de scénarios