TomaMMU

新的基准和数据集评估VLM在诊断番茄叶病害方面的能力

研究人员推出了TomaMMU，一个用于理解番茄叶病害的大规模数据集，以及TomaBench，一个旨在评估视觉语言模型（VLM）在此任务上的基准。该数据集包含超过28,000张图像和超过200,000个带注释的问答对，分为七个农业任务。初步评估显示，当前最先进的VLM在该领域存在细粒度识别和事实性推理方面的困难，尽管在TomaMMU上进行简单的微调显著提高了性能。