arXiv · NLP· Teng Lin, Nan Tang·· 2 天前AI 评分33
MM-ReportBench:多模态报告生成的综合基准测试
MM-ReportBench: A Comprehensive Benchmark for Multimodal Report Generation from Tables
AI 导读
MM-ReportBench发布覆盖386个任务的评测基准,针对185张真实表格。 测试显示最优模型总分仅68.9,38.5%的报告存在数字幻觉。该双评审框架证实单评审会导致分数虚高8-12分。
来源:arXiv · NLP · arxiv.org