10:50
官方账号arXiv cs.AI@Shravan Murlidaran, Miguel P. Eckstein
推荐理由：这篇论文用新数据集CSB系统地测了十年间视觉语言模型的进化，发现最新模型在复杂社交场景上已经跟人类顶级描述差不多准了，只有空间依赖错误还没完全解决。
CSB
共 1 条相关 AI 资讯
7月13日
10:50
论文引入Complex Social Behavior (CSB)数据集，包含100张复杂社交场景图片。研究评估了2017-2025年间4个pre-MLLM和5个MLLM模型在CSB和MS-COCO上的表现，并与20个人类描述对比。分析了物体检测、识别、幻觉、场景理解和空间依赖五种错误类型。MLLM在CSB上的场景描述准确率与人类顶级描述相当，几乎消除了所有错误类型，但偶尔仍存在空间依赖误差。