Hugging Face Blog·· 2024-03-05AI 评分38
UCLA 团队推出 ConTextual 基准：评估多模态模型在富文本图像场景中的联合推理能力
Introducing ConTextual: How well can your Multimodal model jointly reason over text and image in text-rich scenes?
AI 导读
UCLA 研究者发布 ConTextual 基准，包含 506 条指令，覆盖时间读取、导航、信息图等 8 类富文本视觉场景，用于评估多模态模型对文字与图像的上下文联合推理能力，并附带排行榜。
来源：Hugging Face Blog · huggingface.co