视觉文本渲染

相同内容，不同答案：多模态大语言模型中的跨模态不一致性

Same Content, Different Answers: Cross-Modal Inconsistency in MLLMs

该论文提出的REST/REST+基准可用于系统评估多模态大语言模型的跨模态一致性，其发现视觉特征（文本颜色、分辨率）和视觉token数量影响模型性能，为设计更鲁棒的视觉语言模型提供了可复用的评测方法和分析视角。