propositional signals

新基准 Tri-PvP 揭示全模态大语言模型的模态偏见

研究人员开发了 Tri-PvP，这是一个旨在暴露全模态大语言模型 (OLLM) 模态偏见的新基准。该基准通过将感知信号（如图像或音频记录）与命题信号（陈述性语句）分开，解决了先前评估中的局限性，从而更清晰地了解 OLLM 如何处理跨视觉、音频和文本的冲突信息。对五个 OLLM 的初步评估显示出显著的视觉偏见以及一种系统性不对称，即模型在视觉上偏好感知证据，而在音频上偏好命题证据。进一步分析表明，这种偏见在模型早期层即可检测到，并且难以完全缓解。