VAQUUM：模糊量词是否植根于视觉数据？
计算与语言
2025-06-26 v3
摘要
"少数"和"许多"等模糊量词受到各种语境因素的影响，包括给定语境中物体的数量。在这项工作中，我们评估了视觉-语言模型（VLMs）在视觉语境中生成或判断模糊量词适当性时与人类的兼容程度。我们发布了一个名为VAQUUM的新数据集，包含跨1089张图像的20300个人类评分。使用该数据集，我们通过三种不同的评估方法比较了人类判断和VLM预测。我们的结果表明，VLMs和人类一样，在模糊量词的使用中受到物体数量的影响。然而，我们发现不同模型在不同评估设置中存在显著不一致，这表明判断和生成模糊量词依赖于两个不同的过程。
引用
@article{arxiv.2502.11874,
title = {VAQUUM: Are Vague Quantifiers Grounded in Visual Data?},
author = {Hugh Mee Wong and Rick Nouwen and Albert Gatt},
journal= {arXiv preprint arXiv:2502.11874},
year = {2025}
}
备注
Proceedings of ACL 2025, 10 pages