标签
本文对知识型VQA基准进行了审计，揭示了系统性的假设违反，使得准确率成为误导性指标。它提出了一种修复协议和多实体增强方法，以恢复答案可推导性和问题清晰度，表明修正后的设置产生了显著不同的模型排名。
提出ProMSA，一种用于基于知识的视觉问答的渐进式多模态搜索智能体，它能自适应选择搜索策略并通过序列级强化学习进行优化，在E-VQA和InfoSeek上取得了一致的性能提升。
TOTEN是一个基于知识的本体化标记化框架，用基于工程实体形式本体的声明式分类取代统计标记化，实现了巴西葡萄牙语中物理量和技术符号的高本体原子性和数值重建。