实体
Qwen2.5VL-7B-Instruct
Qwen2.5VL-7B-Instruct
PulseAugur coverage of Qwen2.5VL-7B-Instruct — every cluster mentioning Qwen2.5VL-7B-Instruct across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新研究分析VLMs的图表阅读能力
研究人员调查了视觉语言模型（VLMs）如何从垂直条形图中提取特定值，重点关注Qwen2.5VL-7B-Instruct和InternVL3.5-8B等模型。他们的分析显示，尽管条形的顶部区域视觉标记较少，但它比条形主体对答案偏好贡献更大。研究还发现，与图例和系列相关的信息在模型较早的层中处理，而几何和比例状态则在较晚的层中处理。有趣的是，两个模型都表现出利用不同来源的几何和比例信息的能力，尽管Qwen对上下文的敏感度更高。
-
视觉语言模型在课堂参与度识别方面表现不佳
一项新的基准研究评估了五种视觉语言模型（VLMs）在零样本设置下识别课堂参与度的能力。包括GPT-4o和LLaVA-1.5-7B在内的模型在识别单个学生参与度方面表现不佳，呈现出随机表现和类别坍塌。然而，场景级分类显示出更大的潜力，CLIP和GPT-4o在提供特定评分标准提示时达到了中等准确率。研究还强调了实际部署的挑战，例如GPT-4o的安全过滤器拒绝了大量涉及学生面部的请求。