LVLMs长文档理解能力待提高

上海AI Lab领衔提出的MMLongBench-Doc评估基准测试了14个视觉语言大模型在PDF长文档阅读理解上的表现。结果显示，GPT-4o以44.9%的整体F1分数领先，其次是GPT-4V得分30.5%。除这两款模型外，其他LVLMs的表现均不如OCR+LLMs形式，表明在长文档阅读理解方面，现有LVLMs虽有潜力，但仍需大幅改进。
来源：https://mp.weixin.qq.com/s/ZV3ePPrQlY2LRaRXzfpLCQ