研究人员开发了一个新的基准PRISMM-Bench,用于评估AI模型自主验证科学论文中文本与图表之间不一致的能力。在使用31篇已知存在图文差异的手稿进行测试时,超过60%的AI审查提到了有问题的图表,但只有3.3%正确诊断出矛盾。向模型提供图表名称,但未指明其存在缺陷,可将正确诊断率提高到20.4%。研究强调,确定要验证哪些图表是当前多模态AI系统面临的重大挑战。 AI
影响 强调了在科学文档理解和验证方面改进多模态AI能力的需求。
排序理由 该条目是一篇研究论文,详细介绍了一个新的基准和对AI模型的评估。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- PRISMM-Bench
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →