Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Traveling Across Languages: Benchmarking Cross-Lingual Consistency in Multimodal LLMs

Created by
  • Haebom

저자

Hao Wang, Pinzhi Huang, Jihan Yang, Saining Xie, Daisuke Kawahara

개요

본 논문은 다국어 대규모 언어 모델(MLLM)의 실제 응용 분야에서의 성능 향상에도 불구하고, 특히 문화적 지식을 통합할 때 언어 간 일관된 성능을 달성하는 데 어려움이 있음을 지적합니다. 이 문제를 평가하기 위해, 문화 및 역사적 질문에 초점을 맞춘 시각적 질문 응답 벤치마크인 KnowRecall (15개 언어)과 이미지 접근 없이 랜드마크 외관을 설명하도록 하는 VisRecall (9개 언어)이라는 두 가지 새로운 벤치마크를 제시합니다. 실험 결과, 최첨단 MLLM들조차도 언어 간 일관성을 달성하는 데 어려움을 겪고 있음을 보여주며, 진정한 다국어 및 문화적 인식 모델을 생성하기 위한 보다 강력한 접근 방식의 필요성을 강조합니다.

시사점, 한계점

시사점: 다국어 대규모 언어 모델의 언어 간 일관성 문제를 객관적으로 평가할 수 있는 새로운 벤치마크 (KnowRecall, VisRecall) 제시. 최첨단 MLLM의 언어 간 일관성 부족을 실험적으로 증명. 진정한 다국어 및 문화적 인식 모델 개발의 필요성 강조.
한계점: 벤치마크에 포함된 언어 및 랜드마크의 수 제한. 벤치마크의 설계 및 평가 방식에 대한 추가적인 검토 필요. 모델의 성능 저하 원인에 대한 심층적인 분석 부족.
👍