一个新的基准 MisVisAgentBench 被开发出来,用于评估误导性可视化如何影响网络代理的性能。该基准包含 280 个任务实例,配有清晰和误导性的图表证据。当清晰图表被误导性图表替换时,十三个不同视觉语言网络代理的成功率下降了 34 个百分点以上,这表明其可靠性和安全性存在严重漏洞。 AI
影响 凸显了网络代理的一个严重漏洞,表明需要提高其对欺骗性视觉数据的鲁棒性,以确保 AI 操作的可靠性。
排序理由 该集群包含一篇介绍用于评估 AI 代理可靠性基准的新学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →