研究人员推出了 InSituMeasure,这是一个旨在评估多模态大语言模型(MLLMs)情境化测量基础能力的新基准。该基准包含 2,922 个真实的工业监控场景,涵盖八类专业工程仪器,并对噪声和故障诊断进行了详细标注。目前最先进的 MLLMs 表现出显著的局限性,最佳模型的联合数值-单位准确率仅为 25.7%,置信度诊断 F1 分数仅为 51.8%,这凸显了通用多模态理解与可靠工业测量之间的差距。 AI
影响 强调了 MLLMs 在实际工业测量能力方面存在的关键差距,表明需要超越通用多模态任务的专门训练和评估。
排序理由 该集群描述了一篇介绍用于评估 AI 模型的基准的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →