豆包大模型團隊發布全新Detail Image Caption評估基準，提升VLM Caption評測可靠性

AIGC動態歡迎閱讀

原標題：豆包大模型團隊發布全新Detail Image Caption評估基準，提升VLM Caption評測可靠性
關鍵字：字節跳動,模型,指標,數據,豆包
文章來源：機器之心
內容字數：0字

內容摘要：

AIxiv專欄是機器之心發布學術、技術內容的欄目。過去數年，機器之心AIxiv專欄接收報道了2000多篇內容，覆蓋全球各大高校與企業的頂級實驗室，有效促進了學術交流與傳播。如果您有優秀的工作想要分享，歡迎投稿或者聯系報道。投稿郵箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com當前的視覺語言模型（VLM）主要通過 QA 問答形式進行性能評測，而缺乏對模型基礎理解能力的評測，例如 detail image caption 性能的可靠評測手段。
針對這一問題，中科院、北大和字節豆包大模型團隊發布了 DetailCaps-4870 數據集，并提出了一種有效的評估指標 CAPTURE，取得了開源評估指標中最高的專家評價一致性，并低成本實現了與 GPT-Eval 可比的效果。論文：https://arxiv.org/abs/2405.19092
數據集：https://huggingface.co/datasets/foundation-multimodal-models/DetailCaps-4870
代碼：https://github.c

原文鏈接：豆包大模型團隊發布全新Detail Image Caption評估基準，提升VLM Caption評測可靠性

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺