智能体
arxiv.org ·
@Kelsey R. Allen
LongBanana：专家核验的长上下文多参考图像合成基准
LongBanana面向智能体驱动的图像生成，要求检索分散视觉证据、排除干扰项并绑定实体关系。含90个按3×3分类组织的任务，每任务约32张参考图、20条约束、50个评估项，共4670条专家指定原子评估项；采用图结构评估，15%双标子集精确一致率89.4%、二次加权kappa 0.83。
AI推荐理由 首个（作者自述）专家设计与核验的长上下文多参考图像合成基准，含90个任务、约4670条原子评估项，并报告15%双标子集89.4%一致率与0.83加权kappa；评估设计具体，但基准规模有限且为作者自述首创。
66
正文
当前仅保存了标题或简介；并非所有来源都提供正文，可通过下方原文链接查看。