视觉语言模型多语言空间指示表达能力评估

英文标题：Evaluation of Multilingual Ability to Use Spatial Deictic Expressions in Vision-Language Models

本研究聚焦于视觉语言模型（VLM）在给定文本和图像下进行空间推理的能力，尤其关注空间指示表达的使用。论文提出了一种针对多语言空间指示语的评估框架，用于检验模型是否能够正确理解并运用这类依赖语境的表达。该评估有助于揭示当前 VLM 在跨语言空间推理中的局限，并为开发更强的多模态空间理解系统提供方向。

2.6 KB 2.1 KB 612 B 380 B 9.1 KB 22.8 KB 24.2 KB 34.7 KB