Réponse automatique zéro-shot pour vidéo

La tâche de Zero-Shot Video Question Answering vise à évaluer la capacité des grands modèles linguistiques à répondre à des questions sur des données vidéo spécifiques qu'ils n'ont jamais vues auparavant. Cette tâche relève de la catégorie de l'inférence, où le modèle analyse le contenu de la vidéo et génère des réponses précises, ce qui renforce sa valeur d'application dans la compréhension et l'interaction multimodales.