数据混合训练

GroundingME：通过多维度评测揭示多模态大语言模型中的视觉定位差距

GroundingME: Exposing the Visual Grounding Gap in MLLMs through Multi-Dimensional Evaluation

对做视觉定位/VLM 的研究者，这篇提供了四维诊断基准（判别、空间、受限、拒绝），可直接用来暴露模型在相似目标区分、复杂关系描述和不可定位查询上的失效模式；其测试时扩展（按思维轨迹选最优回答）与数据混合训练两种改进策略也可迁移到其他 grounding 模型的评测与微调流程。