Future Action Prediction on LongNAP Unseen Users (test)
0.16User Metric MUZero-shot
Evaluation results
| Method | Links | ||||||
|---|---|---|---|---|---|---|---|
| Zero-shotModel=Qwen VL2026.03 | 0.16 | 0.22 | 0.13 | 0.14 | 0.16 | 0.14 | |
| Few-shot RAGModel=Qwen VL2026.03 | 0.17 | 0.23 | 0.15 | 0.18 | 0.14 | 0.18 | |
| SFTModel=Qwen VL2026.03 | 0.17 | 0.22 | 0.14 | 0.16 | 0.15 | 0.17 | |
| Zero-shotModel=Gemini2026.03 | 0.22 | 0.27 | 0.22 | 0.2 | 0.2 | 0.21 | |
| Few-shot RAGModel=Gemini2026.03 | 0.23 | 0.26 | 0.23 | 0.22 | 0.21 | 0.22 | |
| LongNAPModel=Qwen VL2026.03 | 0.26 | 0.31 | 0.28 | 0.22 | 0.21 | 0.26 |