研究人员开发了一个新的基准来评估多模态大语言模型（MLLMs）识别其答案的正确视觉证据的能力，特别是在自动驾驶场景中。该基准使用来自NuScenes的同步多视角驾驶数据，向模型提出问题，并要求它们在回答前指出支持性的摄像头视图。通过明确区分证据识别和响应准确性，这种方法旨在暴露传统仅回答评估可能遗漏的定位失败。 AI
影响 该基准将通过确保模型将其决策建立在正确的视觉数据上，帮助开发人员为自动驾驶创建更可靠的AI系统。
排序理由 该集群包含一篇介绍AI模型评估新基准的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Multimodal large language models (MLLMs) achieve strong results on visual reasoning benchmarks, but answer accuracy alone does not indicate whether a model relied on the correct visual evidence. This gap is particularly important in multi-view driving scenes used for autonomous d…
arXiv:2606.09644v1 Announce Type: cross Abstract: Multimodal large language models (MLLMs) achieve strong results on visual reasoning benchmarks, but answer accuracy alone does not indicate whether a model relied on the correct visual evidence. This gap is particularly important …