BriefGPT - AI 论文速递 · 2025-05-20T00:00:00Z 视觉问答：仅基于视觉的问答 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种新的多模态任务——视觉问答（VoQA），要求模型根据图像中的视觉问题进行理解和回答。通过引入监督微调策略，显著提升了模型的推理能力和对复杂场景的理解。 🏷️ 标签 多模态 推理能力 模型 监督微调 视觉问答 阅读原文 生成长图 分享链接 已复制链接
