港中文 AIoT 实验室联合 UIUC、哥伦比亚大学与匹兹堡大学，用一个包含 64,267 个七模态同步样本的数据集 CUHK-X，第一次系统地把这条”看得见却读不懂”的能力断崖量化了出来 … 现有的人类活动识别（HAR）数据集绝大多数只给到粗粒度的 ⟨数据，标签⟩，比如一条”跌倒”、一条”睡觉”，既没有连贯的语义描述，也不覆盖多模态 … HAR 七模态平均识别准确率为 76.52%，视觉模态一骑绝尘：热成像拿到 92.57% 准确率、93.36% F1，RGB 与深度的 F1 分别为 91.28% 和 90.93%，骨架也有 79.08% 准确率。