字节跳动 发布 MCTBench 数据集, 应用在 多模态学习、视觉认知 领域

字节跳动 本次发布的数据集 MCTBench, MCTBench是由字节跳动创建的一个多模态认知数据集，旨在评估多模态大语言模型（MLLMs）在文本丰富的视觉场景中的认知能力。该数据集包含约5.2k的文本丰富图像和8.5k的严格注释的问题-答案对，分为感知、推理和内容创建三类任务。数据集的创建过程包括从多个公开数据集中收集图像，并通过GPT辅助和人工注释的方式生成高质量的问题和答案。MCTBench的应用领域主要集中在评估和提升MLLMs在文本丰富视觉场景中的认知能力，特别是在视觉推理和内容生成任务中。

查看MCTBench

关于 字节跳动 , 字节跳动是一家全球领先的科技公司，主要业务包括信息分发平台今日头条、短视频应用抖音（TikTok）等。公司致力于通过人工智能技术提升用户体验，推动全球信息交流和文化传播。

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。