提出CandVG任务评估多模模型对话歧义识别

发生了什么

据arXiv cs.CL论文报道，研究者提出候选集视觉定位任务（CSVG）及基准CandVG，用于评估多模态模型在对话上下文中识别歧义的能力。评估显示，更强的视觉定位能力并不必然带来更好的CSVG性能，模型在候选集生成和早期过早承诺方面存在困难。但通过针对CSVG设计的指令，大规模模型的部分局限性得到缓解。