UCLA NLP 发布 MRAG-Bench 数据集, 应用在 视觉语言模型、多模态检索增强生成 领域

UCLA NLP 本次发布的数据集 MRAG-Bench, MRAG-Bench是一个包含16,130张图片和1,353个人工标注的多选题的数据集，涵盖9种不同的场景。该数据集旨在系统地评估大型视觉语言模型（LVLM）的视觉中心多模态检索增强生成（RAG）能力。数据集包含多个字段，如唯一标识符、方面类型、场景类型、图像数据、问题及其选项、正确答案等。通过评估10个开源和4个专有的LVLM，结果显示所有LVLM在使用图像增强时表现有显著提升，但仍面临有效利用检索知识的挑战。

查看MRAG-Bench

Dataset card 内容： 

Files and versions 内容： 

关于 UCLA NLP , UCLA NLP是加利福尼亚大学洛杉矶分校的自然语言处理研究小组。

关于 HuggingFace , Hugging Face是一个机器学习社区协作平台，专注于模型、数据集和应用程序的创建、发现和协作。该平台支持多种数据类型，包括文本、图像、视频、音频和3D数据，并提供开源工具和付费计算及企业解决方案。