本研究分析了视觉-语言模型在生成指称表达时的不足,提出了新数据集RefOI,揭示了模型在识别参照物、信息冗余和人类偏好不匹配等方面的缺陷,强调了实用性模型的重要性。
完成下面两步后,将自动完成登录并继续当前操作。