研究者发布实验室安全监测VLM数据集与方法

Trishna Chakraborty等作者提出一套结构化数据生成流程和SAGA后训练框架，用于实验室安全监测视觉语言模型。他们用大语言模型把文本实验室场景转成场景图，再用图像生成模型渲染，构建了包含1,207个“图像—场景图—真值—危险相关性掩码”四元组、覆盖362个场景的合成数据集。 实验显示，视觉语言模型在有文本场景图时表现良好，但在纯视觉设置下性能大幅下降，难以直接从像素提取结构化物体关系。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。