五大多模态模型评测:AI 看历史插画单体常错、群体分布却近乎完美

_akpiper · x · 2026-11-23

McGill 大学 Andrew Piper 与 EPFL 的 Jiaming Jiang 在 EMNLP 2026 发表论文,用近 2000 幅历史童书插画(1728–1932 年)评测五款多模态模型,对比近 7000 名志愿者 70 万条人工标注。

测试模型:GPT-4.1、Gemini 2.5 Flash、Claude Sonnet 4.5、Qwen3-VL-8B、LLaVA-13B。

三大发现:

最重要发现:单体 vs 群体精度之分——即使模型对单幅插画判断出错,仍能极精确地复现整个图像集合的特征分布(Gemini 与人工标注相关性:人物 0.95、物体 0.98、场景 0.99)。对文化研究而言这意味着:不必要求每张图都判对,只需验证错误不会系统性扭曲整体模式,多模态模型已可成为大规模研究视觉文化的可靠工具。

所属事件:多模态AI解读历史插画:单体常错群体分布准(2 条相关)→

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →