一篇新研究论文介绍了一种名为“Mirage Probes”的框架，该框架旨在识别和区分视觉语言模型（VLMs）表现出“幻觉行为”的两种不同方式，即它们在没有实际视觉基础的情况下自信地回答问题。这种现象会夸大基准测试分数，可能源于文本偏见或模型潜在空间中生成了虚假的视觉内容。研究人员表明，这两种模式需要不同的缓解策略，后者需要进行表征层面的干预。 AI
影响 识别VLMs中不同的失败模式，表明需要进行表征层面的干预来实现真正的视觉基础。
排序理由 该集群包含一篇研究论文，详细介绍了关于AI模型行为的新框架和发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.13870v1 Announce Type: cross Abstract: Vision-language models (VLMs) can answer image-based questions confidently, and often correctly, even when no image is provided. This mirage behavior inflates benchmark scores without reflecting visual grounding. Prior work treats…
Vision-language models (VLMs) can answer image-based questions confidently, and often correctly, even when no image is provided. This mirage behavior inflates benchmark scores without reflecting visual grounding. Prior work treats this as a single failure mode. We argue it is two…