跳到正文
arXiv · 机器人与计算机视觉· Basavaraj R M, Harshal Chandel·· 12 小时前AI 评分63

Grounding Illusion:检索增强型视觉语言模型的 grounding 幻觉研究

The Illusion of Grounding: Do Vision-Language Models Weigh Retrieved Text and Images Like an Ideal Observer?

AI 导读

该研究提出 GIB-200K 基准,包含 20 万图文问答样本及噪声、模糊和图文冲突等压力条件,用于评估模型在证据失效时的模态组合行为。研究发现主流开源模型存在知识惯性或感官捕获偏差,部分正确回答会因检索文档错误而被放弃。所有实例输出、代码及审计工具已公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org