研究人员推出了C3-Bench，一个旨在评估上下文感知变化描述系统的新基准。该基准包含一个包含近5000个人工标注图像对的数据集，涵盖各种现实场景，以及一个用于细粒度评估的LLM-as-a-Judge框架。初步测试显示，即使是GPT-5.2等先进模型在领域特定错误和理解其训练分布之外的变化方面也存在困难。 AI
影响 强调了对多模态AI系统需要更鲁棒的评估方法，特别是在理解现实世界变化和事件方面。
排序理由 该集群包含两篇学术论文，介绍了图像描述任务的新基准和框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
While Change Captioning systems have garnered substantial attention to respond to our evolving world, their true performance on diverse real-world change contexts remains largely unexplored due to the lack of comprehensive evaluation frameworks. To fill this gap, we propose C3-Be…
arXiv:2606.24058v1 Announce Type: new Abstract: This paper aims to bridge the semantic gap between visual content and natural language understanding by leveraging historical events in the real world as a source of knowledge for caption generation. We propose VisChronos, a novel f…