Visual Context Clarifying Ambiguous Expressions: A Benchmark Dataset

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了VAGUE基准数据集,包含3900个间接人类表达与场景配对,旨在提升视觉语言模型对模糊沟通的理解。研究发现,主流模型在复杂语言和视觉推理任务中仍表现不佳。

🏷️

标签

➡️

继续阅读