SABRE：VLMの弱点を炙り出す自動ベンチマークが登場

視覚言語モデル（VLM）の急速な進化に対し、その弱点を特定するためのベンチマーク開発が遅れていました。今回発表されたSABREは、VLMが「世界の事前知識」に頼りすぎず、視覚的証拠に忠実であるかを自動でテストするスケーラブルなパイプラインです。これにより、VLMの隠れた課題を効率的に特定し、モデル改善を加速させることが期待されます。