연구진은 지식 기반 시각 질의응답(KI-VQA) 파이프라인의 문제점을 분석하기 위해 CRAG-MM-Diagnostics 벤치마크를 공개했어요.
CRAG-MM-Diagnostics는 언어 기반 시각적 위치 파악, 객체 식별, 지식 검색 및 추론 등 단계별 데이터 주석을 제공하며, 기존 벤치마크의 한계를 보완해요.
연구 결과, 지식 검색 및 추론이 주요 병목 현상으로 나타났으며, GPT-5와 Qwen의 정확도를 각각 13.3%와 8.5% 향상시키는 시각적 위치 파악 기반 RAG 파이프라인을 제안했어요.