视觉感知评估

CodePercept：面向多模态大模型的代码接地视觉STEM感知

CodePercept: Code-Grounded Visual STEM Perception for MLLMs

将可执行代码作为视觉感知的监督信号，通过图像到代码的生成任务迫使模型进行精确的视觉理解，为评估和增强多模态大模型的细粒度感知能力提供了新范式。