MUSE评测视觉语言模型对艺术图像的语义、情感、文化与教育情境理解能力。
推荐理由：该基准把评测从自然图像识别推进到艺术作品中的文化与情感推理，可揭示模型在语言教学互动中看似会描述、实则缺乏情境理解的问题。
阅读原文