该文介绍了使用LENS Framework测试多模态对话系统的可行性，并与基于Transformer的模型进行比较。结果表明，该方法在流畅性、有用性、相关性和连贯性方面均有显著提升，并证明了大规模预训练模型对于多模态任务导向对话系统的有效性。