研究人员推出了一种新颖的多模态框架 Falcon，专为 X 射线行李筛查中的组合威胁推理而设计。与传统的以物体为中心的模型不同，Falcon 将区域特征抽象为结构化安全状态，该状态捕获组件存在、功能兼容性和场景级风险。这种结构化表示被集成到语言模型中，以鼓励安全意识推理。为了评估这种方法，研究团队还开发了 Falcon-X，这是一个专注于密集基础和风险推理的 X 射线图像基准数据集，证明了 Falcon 在组合安全推理方面优于现有模型。 AI
影响 这项研究为安全关键型人工智能应用引入了一种新范式，有可能提高安全环境下的威胁检测准确性。
排序理由 该集群包含一篇详细介绍特定人工智能任务的新框架和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.25701v1 Announce Type: new Abstract: Conventional vision-language models are largely object-centric, focusing on detecting and describing individual entities. In safety-critical X-ray baggage screening, however, threat often emerges not from a single object but from th…
Conventional vision-language models are largely object-centric, focusing on detecting and describing individual entities. In safety-critical X-ray baggage screening, however, threat often emerges not from a single object but from the functional compatibility of spatially disperse…