标签
本文介绍了一种用于多模态上下文学习的对比建模框架，旨在改进推理路径对齐，提升视觉问答等任务的性能。
本文引入了 CXR-MAX，这是一个大规模基准，旨在利用来自多个多模态大语言模型（MLLM）的 X 射线数据，评估非平稳环境下的推理对齐性能。