研究人员推出了EDCT-Bench,一个旨在识别视觉语言模型(VLMs)忠实度问题的基准。该基准使用一种称为解释驱动的反事实测试(EDCT)的干预式协议,来测试VLMs的解释和答案在对视觉证据进行最小编辑后,与视觉证据的匹配程度。EDCT-Bench涵盖了视觉问答、驾驶场景和3D空间推理等领域,揭示了各种VLMs在模型忠实度方面存在的显著差距。研究还表明,EDCT生成的反事实可以作为改进模型一致性的有效训练信号。 AI
影响 强调了VLM输出潜在的不可靠性,表明需要提高AI系统的忠实度。
排序理由 该集群描述了一篇介绍用于评估AI模型的新基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- 3DSRBench
- arXiv
- DriveLM
- EDCT-Bench
- Explanation-Driven Counterfactual Testing
- OK-VQA
- Vision--Language Models
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →