Человеческое и церковное изображение с учетом пространственного понимания

#Человеческое #Аннонс #Хотя #MLMs #Тщательное

arXiv: 2609.083000v1 Аннонс Тип нового резюме: Хотя мультимодальные модели большого языка (MLMs) достигают замечательных результатов в подзаголовке с изображением, они часто страдают от структурных галлюцинаций при сценариях, ориентированных на человека. Тщательное моделирование человеческих…