视觉推理

文章概述 本文讨论了当前多模态视觉语言模型（LVLMs）的评估，特别是InstructBLIP与MiniGPT-4等模型的比较。通过构建评估基准LVLM-eHub，研究者对多个视觉语言模型进行了综合评估，分析了它们在不同任务中的性能与潜在问题。 研究背景 大型语言模型的演进：随着LLaMA、GPT-...