CodeCap-Bench：用可执行代码提升视频描述、推理与重建准确性

南大、Kling AI 等机构提出 Code as Video Caption 范式，并以包含 323 个视频的 CodeCap-Bench 评测可执行代码描述。代码描述在视频问答推理准确率和视频重建保真度上优于自然语言描述，能更精确表达空间结构与时间动态。当前瓶颈是复杂多模态大模型仍难生成忠实的代码描述。