研究人员开发了一个名为 Benchmark Card 的新框架,用于分析多模态大语言模型(MLLMs)情境安全基准的可靠性。该框架识别出构成基准安全标签的七个不同字段,有助于区分来自场景本身、用户请求或基准内部文件的信号。研究发现,一些基准,如 MSSBench,通过图像文件无意中泄露安全信息,而另一些基准,如 MOSSBench 和 HoliSafe,则依赖于设计元素或请求措辞,而非场景固有的安全性。该研究还引入了 Spot-Stop 分解,以更好地理解 MLLMs 如何对安全对进行排名,揭示了许多模型在排名方面比在标注方面表现更好。 AI
影响 这项研究可能有助于对多模态大语言模型进行更可靠的安全评估,从而提高其部署和可信度。
排序理由 该集群包含一篇学术论文,详细介绍了一种评估人工智能基准的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
- Benchmark Card
- HoliSafe
- MOSSBench
- MSSBench
- multimodal large language models
- Spot-Stop decomposition
- VSCBench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →