36氪获悉，近日，腾讯微视视频理解团队在多模态理解领域最权威排行榜之一VCR任务中荣登榜首。该团队提出的BLENDer模型超越百度、谷歌、微软、Facebook等多家研究机构的模型效果，成为单、多模型的三项指标第一。视觉常识推理VCR是人工智能领域的前沿热点问题，中国《新一代人工智能发展规划》中也将从处理类型单一的数据到跨媒体认知、学习和推理的“跨媒体智能”纳入五大智能方向。