Burn After Reading: Do Multimodal Large Language Models Truly Capture Order of Events in Image Sequences?

Fuente: arXiv

Guardado en:

Detalles Bibliográficos
Autores principales:	Song, Yingjin, Du, Yupei, Paperno, Denis, Gatt, Albert
Formato:	Preprint
Publicado:	2025
Materias:	Computation and Language Computer Vision and Pattern Recognition
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

Internet

https://arxiv.org/abs/2506.10415