arXiv · AI· Wenke Ren, Hengxiao Guo, Wenwen Zuo, Xiaoman Zhang·· 1 天前AI 评分23
AstroVLBench：对天文观测推理任务中视觉语言模型的系统评估
A systematic evaluation of vision-language models for observational astronomical reasoning tasks
AI 导读
提出包含 4100 多个专家验证实例的 AstroVLBench 基准，评估 6 个前沿视觉语言模型在 5 类天文任务中的表现，发现性能强烈依赖模态，且与通用基准排名不相关。
来源：arXiv · AI · arxiv.org