BriefGPT - AI 论文速递 · 2024-10-10T00:00:00Z

洞察优于视觉？探索多模态大语言模型中的视觉-知识冲突

📝

内容提要

本文研究了多模态大语言模型中的视觉-知识冲突，提出自动化流程来评估这些冲突。研究发现模型过于依赖文本，通过“关注视觉”策略（FoV），显著提升了模型处理视觉数据的能力。

🏷️

标签

关注视觉 多模态 大语言模型 自动化评估 视觉-知识冲突