Vision‑Language‑Modelle im Hotelbereich: Neue Bewertungsmethode

Eine neue Studie, veröffentlicht auf arXiv (2603.07868v1), untersucht, wie gut moderne Vision‑Language‑Modelle (VLMs) bei der Beantwortung von Fragen zu Hotel- und Facility‑Bildern unterstützen können – ein Bereich, der bisher kaum erforscht wurde.

Um die Nützlichkeit von Antworten für echte Entscheidungsprozesse zu messen, führt die Arbeit das Konzept der „Informativeness“ ein. Dabei wird formal erfasst, wie viel für den Nutzer relevante Information ein Bild‑Frage‑Paar liefert, statt nur auf faktische Richtigkeit zu prüfen.

Auf Basis dieses Rahmens wurde ein neues, hospitality‑spezifisches VQA‑Datenset erstellt. Es umfasst verschiedene Facility‑Typen und enthält gezielt formulierte Fragen, die typische Informationsbedürfnisse von Reisenden widerspiegeln.

Die Experimente mit mehreren führenden VLMs zeigen, dass die Modelle an sich nicht automatisch entscheidungsorientiert sind: wichtige visuelle Signale bleiben ungenutzt, und nur nach einer geringen, domänenspezifischen Feinabstimmung lässt sich eine zuverlässige Bewertung der Informationsrelevanz erreichen.