实体
OCR-Reasoning
OCR-Reasoning
PulseAugur coverage of OCR-Reasoning — every cluster mentioning OCR-Reasoning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
视觉语言模型在鲁棒性、因果推理和视觉搜索方面接受测试
研究人员正在从多个维度调查视觉语言模型（VLM）的鲁棒性和推理能力。一项研究引入了OCR-Robust，这是一个用于评估VLM在光学字符识别任务中对视觉扰动的韧性的基准，揭示了图表和表格等结构性元素特别脆弱。另一篇论文探讨了VLM在因果顺序推理方面的挣扎，发现它们尽管在物体识别方面表现出色，但由于训练数据中缺乏明确的因果表达，因此表现不佳。此外，一项研究检查了VLM执行视觉搜索任务的情况，将其“推理令牌”使用与人类反应时间进行比较，并…
-
新基准揭示MLLM在富文本图像推理方面存在困难
一个名为OCR-Reasoning的新基准已被开发出来，用于评估多模态大语言模型（MLLM）的富文本图像推理能力。该基准包含1,069个人工标注的示例，涵盖6项核心推理能力和18项实际任务，并提供详细的逐步推理过程和最终答案。使用OCR-Reasoning进行的初步评估显示，即使是先进的MLLM在这些任务上也面临显著困难，没有一个模型的准确率超过50%，这突显了该领域亟待改进的方面。