研究人员调查了视觉语言模型(VLM)在施工危险检测中频繁发出误报的原因。研究发现,像Qwen2.5-VL-7B和InternVL3.5-8B这样的模型,尽管能准确识别物体及其空间关系,但却深受学习到的共现先验知识的影响。这种偏见导致假阳性率很高,尤其是在有工人在场但未处于危险距离的情况下。虽然对注意力头和神经元层面的干预未能消除这种偏见,但将危险决策建立在模型的空间表征之上可以提高特异性,这表明需要关注决策逻辑,而不仅仅是视觉识别。 AI
影响 突出了当前VLM在安全关键应用中的一个关键限制,表明需要改进决策架构。
排序理由 分析模型行为和局限性的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →