Verdict Grounding Score

新研究提出改进多模态AI法官的审计方法

一篇新发表在arXiv上的研究论文介绍了一种更准确评估多模态AI法官地面能力的方法。提出的“判决地面分数”解决了可感知性混淆问题，即对图像的编辑可能不易被法官察觉，导致其地面能力被低估。研究表明，该分数可以直接测量，并揭示了典型的法官仅利用了约一半的可解决编辑，有些法官甚至错误地显得无地面。作者建议在未编辑图像的检测探针旁报告反事实分数，以准确测量误报。