提出CSVG任务与CandVG基准评估视觉指代歧义

Shun Inadumi、Lee Sangmyeong、Koichiro Yoshino等提出候选集视觉定位（CSVG）任务，要求估计与给定对话上下文一致的对象集合，并发布CandVG基准，评估候选集如何随对话轮次变化。 基于论文摘要，对视觉语言模型的评估显示，更强的视觉定位能力不一定带来更好的CSVG表现，主要困难在于候选生成和对话早期轮次过早锁定少数候选；针对CSVG设计的指令可在所评估的大规模模型中部分缓解这一限制。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。