11 月 19 日上传的预印本介绍 VC-VQA。基准要求模型辨认输入图像里的细节,再找到并核对回答所需的图像或文字证据。
研究者用可追溯材料构建知识库,分别评估不给外部证据、直接提供证据、从知识库检索和开放网页检索的设置。
作者报告,21 个受测模型在细粒度视觉证据获取上仍有困难,检索条件也是判断最终回答表现的一部分。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
GETAI EDITORIAL DISPATCH新闻报道
基准用可追溯的文字与图片证据考察识图、检索、匹配和问答,比较 21 个模型。