为了解决日语VLMs开发和评估中的问题，引入了新的基准测试集Herin-Bench，用于评估VLMs的日语能力。公开发布了基准数据集和训练代码，促进日语VLM研究的进一步发展。

为了解决日语VLMs的开发和评估问题，研究人员引入了一个新的基准测试集，日本Heron-Bench，用于评估VLMs的日语能力。他们还提供了一个基准日语VLM，通过日语视觉指导调优的数据集进行训练。通过Heron-Bench，他们揭示了提出的VLM在各种能力维度上的优势和局限性，并明确了强封闭模型与基准模型之间的能力差距。为了促进日语VLM研究的进一步发展，他们公开发布了基准数据集和训练代码。

研究发现，CLIP模型在冻结状态下，不进行微调的情况下，具有惊人的持续学习表现。作者在多种设置和五个基准测试集上评估了CLIP模型，证明其在大多数设置中优于现有模型。