研究人员推出了一项新基准 SPY-Bench，用于评估大型视觉语言模型（LVLM）的个性化隐私保护能力。该基准包含超过 32,700 个图像-问题对，涵盖各种类别和场景的个性化隐私指令。目前 LVLM 在此方面的表现不佳，顶级模型的合规性准确率仅约为 24%，表明其对上下文隐私的理解有限。为解决此问题，研究人员开发了对齐方法，包括一种噪声对比对齐变体，该方法达到了 96.88% 的准确率，同时保持了通用性能，标志着朝着更可控、更合乎道德的 LVLM 部署迈出了重要一步。 AI
影响 凸显了 LVLM 隐私方面的一个关键差距，可能推动更安全、用户可控模型的开发。
排序理由 该集群描述了一篇介绍评估 AI 模型能力的新基准和方法论的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- Inference-Time Personalized Privacy Protection
- ITP 360
- Large Vision-Language Models
- LVLMs
- Noise Contrastive Alignment
- Specify Privacy Yourself
- SPY-Bench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
