结论和未来影响

在文章中，我们构建了一个新的地区多样常识推理数据集 GD-VCR。我们在 GD-VCR 上评估模型性能，发现不同区域之间存在很大差异。最后我们分析了性能差异的来源：1) 具有地区特征的场景，和 2) QA pair 的推理层次。我们希望这篇文章不仅可以启发研究者去提高视觉常识推理模型在地区多样化场景上的泛化能力。我们还希望能借此文章拓宽研究人员的视野，以更加包容的态度对人工智能系统的世界通用性这一现实问题产生更多的思考。

相关文献

[1] From Recognition to Cognition: Visual Commonsense Reasoning. Zellers et al., CVPR 2019.

[2] Visually Grounded Reasoning across Languages and Cultures. Liu et al., EMNLP 2021.

[3] SituatedQA: Incorporating Extra-Linguistic Contexts into QA. Zhang et al., EMNLP 2021.

文章插图

雷锋网

• 电池|vivoY55s，能有效解决你的续航焦虑！
• 为了你的iPhone能磁吸充电，苹果又花了5亿买材料
• |既能打造你的品牌又能促进销售的广告宣传方法？
• 【e汽车】做更懂你的智能出行伙伴 魏牌举办用户粉丝节
• 王中林院士的拓展麦克斯韦方程，这项成果究竟有多大？
• 微软 Win11 你的手机 App 更新：圆角外观，界面更简洁
• 网易|拼夕夕针对砍价案做出了回应，之所以你砍不中，主要是由于你的手机屏幕太小
• MIUI|MIUI13公测版来了，6大新增功能，让你的手机焕然一新！
• 裁员潮|内容推荐系统：你的文章至少要先让它明白
• 「今日优选」叮咚|「今日优选」叮咚，你的周末零食礼盒已上线