跳到正文
arXiv · 机器人与计算机视觉· Li Ma, Yan Zhuang, Jiawen Deng, Fuji Ren·· 2026-10-16精选AI 评分82

Seeing is Believing:MLLMs 中语言先验对视觉感知的干扰评测与缓解

Seeing is Believing: Benchmarking and Mitigating the Interference of Language Priors on Visual Perception in MLLMs

AI 导读

论文指出 MLLM 的语言先验会覆盖视觉证据导致感知受损,现有基准存在局限。作者提出 ViSiP-Bench 基准和 MAPS 方法,通过动态诱导协议和微调策略来更精准地测量并降低模型对语言先验的过度依赖。

推荐理由

提出 ViSiP-Bench 基准与 MAPS 方法,揭示大模型语言先验干扰问题并提供缓解方案。

来源:arXiv · 机器人与计算机视觉 · arxiv.org