MInfoVisQA:24 语言并行基准曝多模态模型跨语言鲁棒性差距

MBZUAI · hf · 2026-11-19

MBZUAI、Georgia Tech、东京大学与伊利诺伊大学联合发布 MInfoVisQA 基准,聚焦信息密集型视觉问答(图表、信息图等)。基准包含 8960 个 QA 配置,由 128 个种子实例跨 24 种语言并行构造,通过把数值-结构数据与文本解耦、程序化同步翻译标签,实现种子匹配的语言平行视觉与问答对。评测设两种设定:语言对齐 QA(LQA)与跨语言 QA(XQA),共评测 25 个多模态大模型,发现模型在表面语言切换时存在显著的理解鲁棒性差距。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →