Wugeng Zheng

新的MuteBench基准评估AI对缺失多模态数据的鲁棒性

研究人员推出MuteBench，一个旨在评估临床AI系统中多模态融合架构在面对缺失数据时的鲁棒性的新基准。该基准涵盖了七个临床领域的九个数据集，并在两种不同的缺失数据场景下评估了六种融合架构：完全模态缺失和部分模态内数据丢失。研究结果表明，架构类型比模型大小对鲁棒性的影响更显著，通道独立模型在面对缺失模态时表现良好，但在模态内数据缺失时表现出敏感性，尤其是在较短的序列中。