1 含有标签「vision-language-models」

多模态通道冲突：当模型在视觉与文本之间自我矛盾时

多模态模型会静默地将冲突的视觉和文本通道融合为自信的混合答案。本文探讨这种失效发生的场景、评估指标为何会漏掉它，以及如何构建一个冲突检测原语。