研究人员开发了VisExMEM,一种新颖的图像-文本生成评估指标,它将字幕分解为原子声明,并定位视觉证据来支持每个声明。与传统的全局分数相比,这种方法提供了更多关于图像支持哪些语义细节的见解。VisExMEM-9B模型通过多任务监督微调和其他技术进行训练,在开源评估器中展示了卓越的描述性复合分数,可与GPT-5.6 "Sol"等专有模型相媲美。该团队还引入了AGITA-Bench,一个用于在全局和声明级别评估图像-文本对的新数据集。 AI
影响 该指标可以通过提供更细粒度和可验证的反馈来改进多模态模型的评估。
排序理由 该集群描述了一篇介绍多模态AI新评估指标的新研究论文。[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 →