Answer.AI เปิดตัว ReadBench เผยให้เห็นประสิทธิภาพ VLM ที่ลดลงอย่างชัดเจนในการอ่านภาพข้อความยาว
หัวข้อต้นฉบับ:TIL: Vision-Language Models Read Worse (or Better) Than You Think
สรุปโดย AI
Answer.AI เปิดตัว ReadBench 基準ใหม่สำหรับประเมินความสามารถของโมเดลภาษาภาพ (VLM) ในการดึงและอนุมานข้อมูลข้อความจากภาพโดยเฉพาะ การศึกษาพบว่าแม้ความละเอียดสูงจะส่งผลต่องานสร้างไม่มาก แต่ VLM เกือบทั้งหมดมีประสิทธิภาพลดลงอย่างชัดเจนเมื่อประมวลผลภาพเอกสารยาวหลายหน้า บ่งชี้ว่าแนวทาง Visual RAG ปัจจุบันยังไม่พร้อมสำหรับบริบทยาว เมื่อเทียบกัน GPT-4o ทำได้ค่อนข้างดีในบริบทสั้นและหลายหน้า โดยประสิทธิภาพลดลงน้อยกว่า 基準นี้เปิดโอเพนซอร์สแล้ว ครอบคลุมเวอร์ชันภาพของชุดข้อมูลอย่าง MMLU และ GPQA
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- Answer.AI 官方研发博客(RSS)
- หมวดหมู่
- บทความและงานวิจัย
- คะแนน AI
- 78
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。
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: Answer.AI เปิดตัว ReadBench เผยให้เห็นประสิทธิภาพ VLM ที่ลดลงอย่างชัดเจนในการอ่านภาพข้อความยาว 5 มิถุนายน 2025 https://new.nat6.net/th/news/nqiq403r0cs6cekuujaxe5n7b/