English(EN) Immuno-VLM: Immunizing Large Vision-Language Models via Generative Semantic Antibodies for Open-World Trustworthiness

新的Immuno-VLM框架提升了视觉语言模型的可信度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-01 04:00

研究人员推出Immuno-VLM，一个旨在提高大型视觉语言模型在开放世界场景中可信度的新型框架。这种受生物启发的方法利用由LLM创建的生成式语义抗体来表示潜在异常值的文本描述。通过主动定义已知类别的边界，Immuno-VLM旨在缓解模型自信地错误分类未知异常值的“语义傲慢”。实验表明，Immuno-VLM在开放世界可信度方面设定了新的最先进水平。 AI

影响通过减少对未知数据的错误分类，提高了视觉语言模型在实际应用中的可靠性。

排序理由学术论文，介绍了一种提高AI模型可信度的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Xiang Fang, Wanlong Fang, Wei Ji · 2026-06-01 04:00

Immuno-VLM: Immunizing Large Vision-Language Models via Generative Semantic Antibodies for Open-World Trustworthiness

arXiv:2605.30745v1 Announce Type: new Abstract: Large Vision-Language Models have achieved unprecedented success in zero-shot recognition by aligning visual features with broad semantic concepts. However, this semantic abstraction creates a critical vulnerability in open-world de…

报道来源 [1]

Immuno-VLM: Immunizing Large Vision-Language Models via Generative Semantic Antibodies for Open-World Trustworthiness

相关实体

相关话题