multimodal-grounding

Tag

Cards List
#multimodal-grounding

SAGE: Sense-Aligned Multimodal Grounding Evaluation with Gloss-Augmented Reasoning

arXiv cs.CL ↗ · 2026-10-26

论文提出 SAGE——一个统一的10候选图像选择基准,将 VWSD、VerSe 和 WikiDiverse 重构为共享的词项中心协议,并提出训练无关的 Gloss-Augmented Reasoning (GAR) 框架,使用 Gemma3-12B 将 Hits@1 从 65.90 提升至 71.22。

0 favorites 0 likes
← Back to home

Submit Feedback