Cambrian-1：全面开放、以视觉为中心的多模态 LLMs 研究

BriefGPT - AI 论文速递 · 2024-06-24T00:00:00Z

通过研究评估作品，发现两个问题：1）视觉内容对于很多样本来说是不必要的；答案可以从问题和选项中推断出来，或者来自于LLM中的世界知识。2）在LLM和LVLM训练中存在数据泄漏。为解决这些问题，提出了MMStar，一个由人工精选的多模态基准。在MMStar上评估了16个LVLM，调查了它们的多模态能力、数据泄漏和实际多模态增益。