一个名为 MultiInpaintCOCO 的新多语言基准已被开发出来，用于评估视觉-语言模型在多种语言中理解细粒度图像细节的能力。该基准扩展了英文 InpaintCOCO 数据集，揭示了当前最先进的模型在低资源语言方面存在困难，性能下降与数据可用性而非与英语的语言相似性有关。值得注意的是，许多模型即使在提供了正确的非英语字幕时，也表现出对英语字幕的偏见，其中 Gemma 3 比 Qwen 3 更倾向于英语。 AI
影响 强调了多语言人工智能的挑战，可能指导未来模型开发以实现更好的跨语言理解。
排序理由 该集群描述了一篇介绍用于评估多语言视觉-语言模型基准数据集的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
