实体 AGITA-Bench

AGITA-Bench

PulseAugur coverage of AGITA-Bench — every cluster mentioning AGITA-Bench across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_300702 · Oct 15 · 04:00

新的VisExMEM指标为图像-文本生成提供可解释的评估

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。