提出参考无关的可解释多模态评测指标VisExMEM

Subhadeep Roy、Christoph Leiter、Steffen Eger 在 arXiv 发布论文，提出参考无关的多模态评测指标 VisExMEM：将图像描述拆分为原子主张，定位视觉证据逐项核验，再汇总为全局分数，解释复用同一证据与判定过程。 作者基于 Qwen3.5 训练 4B 和 9B 两个版本，用 100K 样本进行多任务 SFT、反事实精炼和证据感知 GDPO 训练，并同时发布含 600 对人工标注图文和 8.7K 条原子主张的 AGITA-Bench 基准。 论文摘要称，在其比较的八个基准中，VisExMEM-9B 的描述性综合指标在开源评测器中领先，较 VQAScore 高 11.7 分，并与 GPT-5.6 Sol 相当；该结果为作者声称，尚待独立验证。

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。