多模态AI解读历史插画:单体常错群体分布准

McGill 大学 Andrew Piper 与 EPFL 的 Jiaming Jiang 在 EMNLP 2026 发表论文,构建了名为 Picture 的数据集,收录 1728–1932 年间近 2000 幅历史童书插画,对五个多模态 AI 模型进行评测,并将其解读与数千名人类志愿者的标注对比。结果显示,这些模型在判断单幅插画细节时常出错,但在群体层面的统计分布上表现近乎完美。

2026-11-23 ~ 2026-11-23 · 2 条相关