一篇来自arXiv的新研究论文探讨了视频语言模型中基于推理链的概念。该研究引入了一种名为“引用差距”的方法,用于测试模型的答案是否实际依赖于它引用的特定帧和区域。通过干预并遮挡这些被引用的区域,研究人员发现,对于在CLEVRER上训练的模型,正确答案的翻转频率远高于对照实验,这表明其依赖于引用的区域。然而,在NExT-QA上训练的模型则显示出较小的引用差距,这表明尽管引用可能是可验证的,但答案并不总是依赖于它们。 AI
影响 引入了一种新颖的方法来评估模型输出对引用证据的真实依赖性,有可能提高视频语言模型的可靠性。
排序理由 发布在arXiv上的学术论文,详细介绍了一种用于视频语言模型的新评估方法。[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 →