arXiv Computer Vision· Subhadeep Roy, Christoph Leiter, Steffen Eger·· 20 小时前AI 评分24
VisExMEM：基于视觉证据的可解释多模态评估指标
VisExMEM: Visual Evidence-Based Explainable Multimodal Evaluation Metric
AI 导读
VisExMEM 是一种无参考评估器，将图像描述拆解为原子断言、定位视觉证据并逐条验证，再平均为全局分数。基于 Qwen3.5 训练的 4B 和 9B 模型在八个基准上评测，VisExMEM-9B 的描述性综合分超过 VQAScore 11.7 分，与 GPT-5.6 Sol 保持竞争力。研究同时发布含 600 个人工标注图文对和 8.7K 原子断言的 AGITA-Bench。
来源：arXiv Computer Vision · arxiv.org