English(EN) Evidence-Grounded Trustworthy Multimodal Reasoning and Evaluation Benchmark in Complex Urban Scenes

新基准 AD2-Bench 评估 MLLM 在复杂城市场景中的可信度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员推出了 AD2-Bench，这是一个旨在评估多模态大语言模型（MLLM）在复杂城市环境中的可信度的新评估基准。与仅评估最终预测的现有基准不同，AD2-Bench 采用分层视觉诊断框架将推理分解为结构化的证据链。该方法旨在识别证据获取中的失败，特别是空间歧义和语义不确定性，这些因素会降低 MLLM 在不利条件下的性能。为了解决这些问题，提出的基于证据的视觉推理（EGVOR）方法生成显式的证据原子，即结构化三元组，强制对齐定位和语义理解，从而提高推理稳定性。 AI

影响该基准有望带来更可靠的多模态人工智能系统，使其能够在具有挑战性的现实场景中有效运行。

排序理由该集群包含一篇详细介绍用于评估人工智能模型的新基准和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 22 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍用于评估人工智能模型的新基准和方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zhaoyang Wei, Bowen Jiang, Xumeng Han, Jiashu Li, Xuehui Yu, Yuling Liu, Guorong Li, Zhenjun Han, Jianbin Jiao · 2026-09-01 04:00

复杂城市场景下基于证据的可信多模态推理与评估基准

arXiv:2506.09557v2 Announce Type: replace-cross Abstract: While Multimodal Large Language Models (MLLMs) demonstrate impressive performance in benign scenarios, their cognitive reliability deteriorates significantly in complex scenes under adverse conditions. In these settings, m…

本文如何被排名

报道来源 [1]

复杂城市场景下基于证据的可信多模态推理与评估基准

相关实体

相关话题