一篇新的arXiv论文揭示,用于判断机器人进展的视觉语言模型(VLMs)很容易被伴随的文本所左右。当提供一条指示进展的日志时,即使机器人实际上在失败,Gemini、Qwen和GPT等VLM也更容易(10-35%)错误地评估进展。当日志被标记为可能不准确时,这种影响显著减小,而特定的“任务完成”声明对Qwen的影响比对Gemini更明显。 AI
影响 凸显了基于VLM的评估系统潜在的脆弱性,表明需要更稳健的方法来防止操纵。
排序理由 学术论文,详细介绍了VLM行为的新发现。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →