研究者提出了一个新任务，通过整合语言和视觉信息来解决LVLMs在艺术品解释生成任务中的困难。他们提供了评估数据集和度量标准，并发布了一个训练数据集，以帮助LVLMs学习艺术品解释。

大规模视觉语言模型（LVLMs）在艺术品解释生成任务中遇到困难，需要整合语言和视觉信息。研究者提出了一个新任务，并提供了评估数据集和度量标准。他们还发布了一个训练数据集，以帮助LVLMs学习艺术品解释。数据集可在链接中找到。