coherence

COHERENCE基准测试评估MLLM在交错上下文中的细粒度图像-文本对齐能力

研究人员推出了一项名为COHERENCE的新基准测试，旨在评估多模态大型语言模型（MLLM）的细粒度图像-文本对齐能力。现有的基准测试常常忽略真实文档中交错图像-文本上下文的复杂性。COHERENCE通过评估MLLM在混合媒体环境中连接视觉和文本信息的能力来弥补这一不足，涵盖四个不同领域，包含超过6000个问题。