先了解这件事
AI 综述
LG AI Research 在 CVPR 2026 展示 VinQA 论文,提出面向真实文档的多模态问答数据集与评测框架。该工作让长文本回答在对应句子前直接放置图表、表格等视觉引用,而非仅在文末附图。据官方博客介绍,数据集训练集约 13 万页、42,700 条 QA,测试集 9,373 页、1,605 条 QA,覆盖七个领域。配套评测器 M-GroSE 在 GPT-4.1、Claude 3.5 Sonnet 等前沿模型上得分最高;Qwen2.5-VL-7B 经 VinQA 微调后 M-GroSE 从约 2 提升至约 3.3,接近约 3.5-3.6 的峰值。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
LG AI Research 的 VinQA：把视觉元素融入多模态文档问答回答事件进展
1 个已确认进展
- 来源：LG AI Research 官方博客
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
7月15日
LG AI Research 官方博客一手
LG AI Research 的 VinQA：把视觉元素融入多模态文档问答回答
LG AI Research 在 CVPR 2026 发表 VinQA，提出面向真实文档的多模态问答数据集与评测框架，让长文本回答在对应句子前直接放置图表、表格等视觉引用，而非仅在文末附图。数据集训练集约 13 万页、42,700 条 QA，测试集 9,373 页、1,605 条 QA，覆盖七个领域。配套评测器 M-GroSE 在 GPT-4.1、Claude 3.5 Sonnet 等前沿模型上得分最高，Qwen2.5-VL-7B 经 VinQA 微调后 M-GroSE 从约 2 提升至约 3.3，接近约 3.5-3.6 的峰值。