English(EN) Recognizing Dialogue Ambiguity via Candidate Set Visual Grounding

新的CSVG任务解决视觉对话定位中的歧义问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员提出了候选集视觉定位（CSVG）这一新任务，旨在识别对话中指代的潜在对象集，而非单个唯一对象。该方法使用CandVG基准进行评估，该基准跟踪候选集在对话轮次中的演变情况。对大规模视觉语言模型的初步评估显示，尽管这些模型具有强大的视觉定位能力，但在CSVG方面仍存在挑战，尤其是在生成完整的候选集以及避免在对话早期过早地局限于有限选项方面。然而，通过针对CSVG的专门指令，可以部分提高这些模型的性能。 AI

影响引入了一个新的基准，用于评估视觉语言模型处理对话中歧义引用的能力。

排序理由该条目描述了一篇介绍对话歧义新任务和新基准的研究论文。[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 →

本文如何被排名

Signal score: 12 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇介绍对话歧义新任务和新基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Shun Inadumi, Lee Sangmyeong, Koichiro Yoshino · 2026-10-15 04:00

通过候选集视觉基础识别对话歧义

arXiv:2610.19723v1 Announce Type: new Abstract: Interpreting an ambiguous utterance in real-world interactions often requires context beyond a single utterance. When the utterance refers to objects in a visual scene, it is necessary to maintain and update the set of plausible ref…

本文如何被排名

报道来源 [1]

通过候选集视觉基础识别对话歧义

相关实体

相关话题