arXiv · AI· Jiatong Ma, Yuchen Liu, Longteng Guo, Yichen Yuan, Yuze Wu, Dongze Hao, Ru Zhen, Yanhao Zhang, Haonan Lu, Jing Liu·· 17 小时前AI 评分28
VC-VQA:面向视觉中心知识推理的大规模多模态评测基准
Beyond Entity Recognition: Vision-Centric Knowledge Visual Question Answering
AI 导读
VC-VQA 是一个评估多模态大语言模型(MLLMs)在视觉知识获取与复杂多步推理能力的大规模基准。它要求模型区分内部/外部视觉来源及检索前后阶段,并在有外部知识、提供证据、知识库检索和开放网络搜索四种设定下进行评测。
来源:arXiv · AI · arxiv.org