arXiv·· 13 天前AI 评分27
评估多模态大语言模型中视觉编码器的强基线
A Strong Baseline for Evaluating Vision Encoders in Multimodal Large Language Models
AI 导读
针对视觉编码器评估中单模态指标仍占主导、跨模态指标更能预测下游性能的现状，该研究通过大规模实验重新审视跨模态评估方法，指出此前工作在实验设计与方法构建上的重要局限，并在修正这些局限、引入简单改进后提出了新的评估方案。
来源：arXiv · arxiv.org