中南大学 发布 CoMT 数据集, 应用在 多模态推理、视觉操作 领域

中南大学 本次发布的数据集 CoMT, CoMT是一个新颖的多模态思维链基准数据集，旨在评估大型视觉-语言模型在复杂视觉操作和简洁表达中的能力。数据集包含3853个样本和14801张图像，涵盖四个类别：视觉创建、视觉删除、视觉更新和视觉选择。CoMT通过多模态输入和输出，模拟人类推理过程，旨在解决传统多模态思维链基准中视觉操作缺失和表达模糊的问题。该数据集适用于多模态推理任务，特别是在需要复杂视觉操作和清晰表达的场景中。

查看CoMT

关于 中南大学 , 中南大学位于中国湖南省长沙市，是一所综合性全国重点大学，涵盖理、工、医、文、法、经、管、教育、艺术等多个学科门类。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。