新基准显示多语言视觉模型存在系统性英语偏好
资讯摘要
论文将聚焦细粒度视觉细节的英文数据集 InpaintCOCO 扩展为覆盖五大语系13种语言的 MultiInpaintCOCO 基准，含953个最小对比样本。作者测试多种多语言多模态检索模型后发现，低资源语言性能明显下降，语言可用数据量比与英语的类型学相似度更能预测表现；跨语言检索中多数模型系统性偏向英语，Gemma 3 偏好最强，Qwen 3 最弱。
要点速读
- 论文构建 MultiInpaintCOCO，将 InpaintCOCO 扩展至13种语言、953个最小对比样本。
- 作者报告低资源语言性能显著下降，语言数据资源量是最强预测因素。
- 跨语言检索中多数模型偏向英语，Gemma 3 偏好最强、Qwen 3 最弱。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。