已收录文章摘要，完整内容可前往原文阅读。
↑ 点击蓝字 关注极市平台作者丨刘志鹏编辑丨极市平台极市导读 CAPEval 把 Caption 质量拆成"说全"和"说准"两个维度，而不是压成一个总分。对视觉语言理解，模型受益于更密集的视觉语义；对