该研究提出了创新的评估方法和修正现有的视觉问答基准，推进了对文本生成视觉语言模型能力的理解。他们建议利用语义层次结构为细粒度分类任务中的答案提出自动生成的后续问题，以改善评估模型预测的传统自然语言处理和基于语言模型的度量标准。该研究为视觉语言建模领域的进展奠定了基础。

该研究提出了一种新的视觉问答基准，用于评估文本生成视觉语言模型的能力，并与辨别性视觉语言模型进行比较。研究建议利用语义层次结构为细粒度分类任务中的答案提出自动生成的后续问题，以改善评估模型预测的传统自然语言处理和基于语言模型的度量标准。通过应用该基准于视觉语言模型，详细比较了它们在对象、行为和属性分类方面的能力。该研究为视觉语言建模领域的进展奠定了基础。

该研究提出了创新的评估方法和修正现有的视觉问答基准，推进了对文本生成视觉语言模型能力的理解。他们建议利用语义层次结构为细粒度分类任务中的答案提出自动生成的后续问题，以改善评估模型预测的传统自然语言处理和基于语言模型的度量标准。该研究为视觉语言建模领域的进展奠定了基础。

通过创新评估方法和修正视觉问答基准，推进对文本生成视觉语言模型能力的理解。提出新的视觉问答基准，细粒度评估文本生成视觉语言模型，并与辨别性视觉语言模型进行比较。利用标签空间的语义层次结构为细粒度分类任务中的粗略答案提出自动生成的后续问题，改善评估模型预测的传统自然语言处理和基于语言模型的度量标准。进行人工评估研究，并采用最终的度量标准。将基准应用于视觉语言模型，并比较它们在对象、行为和属性分类方面的能力。促进了视觉语言建模领域的有针对性进展。

该研究提供了一种自动工具，可通过每日拍摄的照片流来个性化分析人们的健康习惯，并提出了一种新的自动分类方法来分类与食物相关的环境。研究者构建了一个具有语义层次结构的模型，并使用超过33000张图像的数据集进行测试，分类准确度和F分数分别为56％和65％，明显优于基线方法。