arXiv · 机器人与计算机视觉· Bingkui Tong, Jiaer Xia, Sifeng Shang, Kaiyang Zhou·· 2026-10-15AI 评分73
Measuring Epistemic Humility in Multimodal Large Language Models
Measuring Epistemic Humility in Multimodal Large Language Models
AI 导读
论文提出 HumbleBench 基准,基于 Panoptic Scene Graph 数据集构建包含 NOTA 选项的多选题,评估多模态大模型在输入图像无支持时的拒绝行为。研究测试了 27 个模型,发现即使最强模型也仅能正确选择 NOTA 约一半情况,且提示优化未提升检测能力,人类表现更可靠。代码与数据已公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org