Introducing ConTextual: How well can your Multimodal model jointly reason over text and image in text-rich scenes?
核心要点速览
ConTextual基准发布，用于评估多模态模型在文本丰富场景中联合推理文本与图像的能力。
查看完整报道与分享
完整图文、背景资料与讨论归原始发布平台 Hugging Face 所有。
ConTextual基准发布，用于评估多模态模型在文本丰富场景中联合推理文本与图像的能力。
完整图文、背景资料与讨论归原始发布平台 Hugging Face 所有。