GPT-4V 作为视觉语言任务的通用评估器

本文评估了GPT-4V在医学图像任务中的能力，发现其在为胸部X射线图像生成描述性报告方面有潜力，但在某些评估指标上需要改进。在医学问答方面，GPT-4V在问题类型方面表现熟练，但准确性不及现有基准。在视觉基础领域，GPT-4V在识别边界框方面显示了初步潜力，但精度不够。评估强调了GPT-4V在医学图像领域的潜力，但需要针对性的改进来充分发挥其能力。