一篇新的研究论文探讨了多模态大语言模型(MLLMs)生成美学评论的能力,并将其输出与人类评估进行比较。该研究利用Reddit照片评论数据集,在各种提示条件下评估了五个开放权重MLLMs。研究结果表明,虽然MLLMs可以生成全面的评论,但其风格与人类评估存在显著差异,通常更冗长、选择性更差,这对当前的评估指标提出了挑战。 AI
影响 凸显了当前MLLM在开放式生成评估方法上的局限性,表明需要新的训练和评估策略。
排序理由 在arXiv上发表的研究论文,评估MLLM能力。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →