PulseAugur
中
实时 10:04:40
English(EN) Jako Tako or Fluent? Presenting PoVisLE: A Polish Vision-Language Evaluation

推出新的波兰视觉语言基准 PoVisLE

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出 PoVisLE，一个旨在评估波兰视觉语言模型 (VLM) 的新基准。与现有主要以英语为中心并侧重于表面识别的基准不同，PoVisLE 旨在评估波兰语境下更深层次、文化基础的多模态理解。该数据集包含 1,117 张图像和 2,366 个手动标注的视觉问答对，为评估 VLM 超越基本图像字幕或文本生成提供了受控资源。 AI

影响 该基准可以改善视觉语言模型在英语中心数据集之外的文化基础和细微理解。

排序理由 该集群描述了一篇介绍用于评估视觉语言模型的新颖基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

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

推出新的波兰视觉语言基准 PoVisLE

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Anna Ko{\l}os, Grzegorz Statkiewicz, Karolina Seweryn, Katarzyna Kowol, Karolina Piosek, Wojciech Kusa ·

    Jako Tako 或 Fluent？隆重推出 PoVisLE：一个波兰语视觉-语言评估

    arXiv:2608.07763v1 Announce Type: new Abstract: Vision-language models (VLMs) have achieved strong performance on tasks such as image captioning, visual question answering, and image-to-text generation. However, they are predominantly trained on English-centric data, which limits…

相关实体

相关话题