ECCV聚焦智能体商业，64支团队角逐多模态挑战赛

9月8日至12日，ECCV 2026在瑞典马尔默举行。这个由欧洲计算机视觉协会主办、获Google、Meta、Apple和Amazon等企业支持的会议，将智能体商业（Agentic Commerce）带入视觉学术讨论。由钛动科技牵头的MARS2 Workshop，是本届会议唯一由中国科技公司主办、聚焦该方向的Workshop。

MARS2全称为“大模型时代的多模态推理与慢思考：迈向System 2及以上”，牛津大学Yarin Gal、MIT的Paul You Liang、伦敦玛丽女王大学Shanxin Yuan和林雪平大学Fahad Shahbaz Khan参与分享。配套挑战赛设置10万美元奖金池，吸引全球64支团队，累计提交超过1060份方案。

挑战赛核心问题是“AI能否看懂营销视频”，并设置MAC、VTG、MDC三条赛道，分别考察视频整体理解、关键时刻定位和营销意图判断。共用数据集M-CAR来自真实商业场景，包含3108支广告、30多种语言和36.5小时视频，被拆分为18198个平均约7秒的语义片段。

最终，MAC最高分86.67，VTG和MDC分别为62.27和63.53。The Boys拿下MAC和MDC冠军，Ya PTers获得VTG冠军；The Boys还取得一项亚军。MAC、MDC模型规模不得超过14B，VTG不得超过8B，且只能使用开源权重。

商用模型在三条赛道表现较稳定，任务专用模型在VTG上更突出。实验显示，为模型加入带音频时间线的跨模态证据后，VTG定位成绩提升16.7分；参数从4B增至8B反而下降0.2分。优胜方案采用双模型验证、粗到细定位和按视频长度分配视觉信息，强调以证据链抑制幻觉。

赛事报告、评测基准和代码将向研究社区开放。结果表明，AI已能较好概括广告内容，但在跨片段梳理时序、因果关系并作出商业判断方面仍有明显不足，模型规模之外，信息对齐和推理可靠性同样关键。

钛动科技自2017年起服务企业出海，覆盖200多个国家和地区、服务10万多个品牌，累计管理4亿多条广告策略和1400万个SPU，并据此研发营销多模态模型钛极。Tec-Chi-Think-1.0-32B曾以85.82分位列SuperCLUE-Mkt第一，Tec-Chi-VL-1.0-27B在SuperCLUE-AdsVU获86.43分、排名第二；其营销多智能体平台Navos则用于市场洞察、内容生产、投放和效果优化。