研究者提出VisExMEM多模态评测指标及AGITA-Bench

研究者提出无参考多模态评估指标 VisExMEM：将图像描述拆解为原子断言，定位视觉证据并逐条验证，再平均为全局分数。基于 Qwen3.5 训练的 4B 和 9B 模型在八个基准上评测，VisExMEM-9B 的描述性综合分称超过 VQAScore 11.7 分，并与 GPT-5.6 Sol 相当。 同时发布 AGITA-Bench，包含 600 个人工标注图文对和 8.7K 条原子断言。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。