实体
AD2-Bench
AD2-Bench
PulseAugur coverage of AD2-Bench — every cluster mentioning AD2-Bench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新基准 AD2-Bench 评估 MLLM 在复杂城市场景中的可信度
研究人员推出了 AD2-Bench，这是一个旨在评估多模态大语言模型（MLLM）在复杂城市环境中的可信度的新评估基准。与仅评估最终预测的现有基准不同，AD2-Bench 采用分层视觉诊断框架将推理分解为结构化的证据链。该方法旨在识别证据获取中的失败，特别是空间歧义和语义不确定性，这些因素会降低 MLLM 在不利条件下的性能。为了解决这些问题，提出的基于证据的视觉推理（EGVOR）方法生成显式的证据原子，即结构化三元组，强制对齐定位和语…
-
新基准和方法增强多模态AI推理和可信度 · 跟踪4个来源
研究人员正在开发新方法来提高多模态大语言模型（MLLMs）的可靠性和可信度。一种方法VERDICT利用多个验证器之间的分歧来识别推理步骤中的错误，而无需额外的训练数据。另一种方法AD2-Bench引入了一个分层诊断框架，以查明证据获取中的失败，区分空间歧义和语义不确定性。此外，StructReward提供了一个高效的框架，通过提供结构化的、步骤级别的奖励来实现多模态推理的自我纠正，降低了强化学习的计算开销。最后，MMArch提供了一个…