新基准揭示多模态大语言模型在遥感领域长期时间理解方面存在不足

研究人员推出了 ChronoBench，这是一个旨在评估多模态大语言模型（MLLMs）在遥感领域长期时间理解能力的新基准。该基准显示，当前 MLLMs 在长期记忆任务上的表现远不如人类专家。为解决此问题，研究团队开发了 GeoChrono，一个包含时间轨迹编码器和粗粒度到细粒度令牌压缩器的 MLLM，以改进地理演变的跟踪、记忆和推理能力，并在 ChronoBench 上取得了最先进的成果。 AI

影响 这项研究突显了当前 MLLMs 在长期时间推理方面存在的关键局限性，可能为需要历史背景的应用指导未来的模型开发。

排序理由 该集群描述了一篇介绍用于评估遥感领域时间理解能力的新基准和新模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• C2FComp
• ChronoBench
• ChronoInstruct
• DagsHub
• Hugging Face
• TempEnc

• 论文
• 模型发布
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →