本研究提出了新的基准KnowRecall和VisRecall，用于评估多模态大语言模型在不同语言间的一致性。KnowRecall关注全球地标的文化和历史知识一致性，VisRecall检验视觉记忆一致性。实验结果显示，现有模型在跨语言一致性方面仍存在困难，需要开发更具多语言和文化意识的模型。

该文介绍了一种新的细粒度基准，用于推动文本条件下的三维生成模型的研究。该方法通过自动改进与形状关联的文本描述，并提出了一个量化指标来评估文本与形状的一致性。