पेपर और शोध

Answer.AI ने ReadBench लॉन्च किया: मल्टीमॉडल मॉडल्स में लंबे टेक्स्ट इमेज पढ़ने की क्षमता में भारी गिरावट का खुलासा

मूल शीर्षक:TIL: Vision-Language Models Read Worse (or Better) Than You Think

AI सारांश

Answer.AI ने नया बेंचमार्क ReadBench पेश किया है, जो इमेज से टेक्स्ट जानकारी निकालने और तर्क करने की VLM क्षमता का मूल्यांकन करता है। अध्ययन से पता चलता है कि मल्टी-पेज लंबे डॉक्यूमेंट्स के मामले में लगभग सभी VLM के प्रदर्शन में गिरावट आती है, जो यह दर्शाता है कि वर्तमान Visual RAG समाधान लंबे संदर्भों के लिए अभी तैयार नहीं हैं। तुलनात्मक रूप से, GPT-4o ने छोटे संदर्भों में बेहतर प्रदर्शन किया। यह बेंचमार्क ओपन-सोर्स है और इसमें MMLU और GPQA जैसे डेटासेट के इमेज वर्ज़न शामिल हैं।

मुख्य जानकारी

  • Answer.
  • AI ने नया बेंचमार्क ReadBench पेश किया है,जो इमेज से टेक्स्ट जानकारी निकालने और तर्क करने की VLM…
  • GPT-4o ने छोटे संदर्भों में बेहतर प्रदर्शन किया। यह बेंचमार्क ओपन-सोर्स है और इसमें MMLU और GPQA…

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
Answer.AI 官方研发博客(RSS)
श्रेणी
पेपर और शोध
AI स्कोर
78
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

针对热门的多模态检索增强生成(Visual RAG)场景提供了关键实证数据,揭示了 VLM 在长文档阅读上的实际瓶颈,为开发者选择模型和优化管道提供重要参考。

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: Answer.AI ने ReadBench लॉन्च किया: मल्टीमॉडल मॉडल्स में लंबे टेक्स्ट इमेज पढ़ने की क्षमता में भारी गिरावट का खुलासा। 5 जून 2025। https://new.nat6.net/hi/news/nqiq403r0cs6cekuujaxe5n7b/

सभी देखें →