Todas las lenguas importan: Evaluación de LMM en 100 lenguas culturalmente diversas

All Languages Matter: Evaluating LMMs on Culturally Diverse 100 Languages

November 25, 2024

Autores: Ashmal Vayani, Dinura Dissanayake, Hasindri Watawana, Noor Ahsan, Nevasini Sasikumar, Omkar Thawakar, Henok Biadglign Ademtew, Yahya Hmaiti, Amandeep Kumar, Kartik Kuckreja, Mykola Maslych, Wafa Al Ghallabi, Mihail Mihaylov, Chao Qin, Abdelrahman M Shaker, Mike Zhang, Mahardika Krisna Ihsani, Amiel Esplana, Monil Gokani, Shachar Mirkin, Harsh Singh, Ashay Srivastava, Endre Hamerlik, Fathinah Asma Izzati, Fadillah Adamsyah Maani, Sebastian Cavada, Jenny Chim, Rohit Gupta, Sanjay Manjunath, Kamila Zhumakhanova, Feno Heriniaina Rabevohitra, Azril Amirudin, Muhammad Ridzuan, Daniya Kareem, Ketan More, Kunyang Li, Pramesh Shakya, Muhammad Saad, Amirpouya Ghasemaghaei, Amirbek Djanibekov, Dilshod Azizov, Branislava Jankovic, Naman Bhatia, Alvaro Cabrera, Johan Obando-Ceron, Olympiah Otieno, Fabian Farestam, Muztoba Rabbani, Sanoojan Baliah, Santosh Sanjeev, Abduragim Shtanchaev, Maheen Fatima, Thao Nguyen, Amrin Kareem, Toluwani Aremu, Nathan Xavier, Amit Bhatkal, Hawau Toyin, Aman Chadha, Hisham Cholakkal, Rao Muhammad Anwer, Michael Felsberg, Jorma Laaksonen, Thamar Solorio, Monojit Choudhury, Ivan Laptev, Mubarak Shah, Salman Khan, Fahad Khan

cs.AI

Resumen

Los Modelos Multimodales Grandes (LMMs) existentes suelen centrarse únicamente en algunas regiones y idiomas. A medida que los LMMs continúan mejorando, es cada vez más importante asegurar que comprendan los contextos culturales, respeten las sensibilidades locales y apoyen los idiomas con recursos limitados, todo ello integrando eficazmente las señales visuales correspondientes. En la búsqueda de modelos multimodales globales culturalmente diversos, nuestro propuesto Banco de Pruebas Todos los Idiomas Importan (ALM-bench) representa el esfuerzo más grande y completo hasta la fecha para evaluar LMMs en 100 idiomas. ALM-bench desafía a los modelos existentes al poner a prueba su capacidad para comprender y razonar sobre imágenes culturalmente diversas emparejadas con texto en varios idiomas, incluyendo muchos idiomas con recursos limitados tradicionalmente subrepresentados en la investigación de LMMs. El banco de pruebas ofrece un marco de evaluación sólido y matizado que incluye varios formatos de preguntas, como verdadero/falso, opción múltiple y preguntas abiertas, que a su vez se dividen en categorías de respuestas cortas y largas. El diseño de ALM-bench garantiza una evaluación integral de la capacidad de un modelo para manejar diferentes niveles de dificultad en el razonamiento visual y lingüístico. Para capturar la rica diversidad de culturas globales, ALM-bench selecciona cuidadosamente contenido de 13 aspectos culturales distintos, que van desde tradiciones y rituales hasta personalidades famosas y celebraciones. A través de esto, ALM-bench no solo proporciona un terreno de prueba riguroso para LMMs de código abierto y cerrado de última generación, sino que también destaca la importancia de la inclusividad cultural y lingüística, fomentando el desarrollo de modelos que puedan servir de manera efectiva a diversas poblaciones globales. Nuestro banco de pruebas está disponible públicamente.

English

Existing Large Multimodal Models (LMMs) generally focus on only a few regions and languages. As LMMs continue to improve, it is increasingly important to ensure they understand cultural contexts, respect local sensitivities, and support low-resource languages, all while effectively integrating corresponding visual cues. In pursuit of culturally diverse global multimodal models, our proposed All Languages Matter Benchmark (ALM-bench) represents the largest and most comprehensive effort to date for evaluating LMMs across 100 languages. ALM-bench challenges existing models by testing their ability to understand and reason about culturally diverse images paired with text in various languages, including many low-resource languages traditionally underrepresented in LMM research. The benchmark offers a robust and nuanced evaluation framework featuring various question formats, including true/false, multiple choice, and open-ended questions, which are further divided into short and long-answer categories. ALM-bench design ensures a comprehensive assessment of a model's ability to handle varied levels of difficulty in visual and linguistic reasoning. To capture the rich tapestry of global cultures, ALM-bench carefully curates content from 13 distinct cultural aspects, ranging from traditions and rituals to famous personalities and celebrations. Through this, ALM-bench not only provides a rigorous testing ground for state-of-the-art open and closed-source LMMs but also highlights the importance of cultural and linguistic inclusivity, encouraging the development of models that can serve diverse global populations effectively. Our benchmark is publicly available.