GTPred

新的GTPred基准测试多模态大语言模型在地理时间图像预测能力

一项名为GTPred的新基准已被引入，用于评估多模态大语言模型（MLLMs）的地理时间预测能力。该基准包含来自120多年的370张图像，并评估MLLMs推断拍摄地点和时间的能力。对15种不同MLLMs进行的实验显示，尽管当前模型在视觉感知方面表现出色，但在世界知识和地理时间推理方面存在困难。研究还表明，整合时间信息可以显著提高位置推断的准确性。