arXiv · NLP· Dongsheng Ma, Jiayu Li, Zhengren Wang, Yijie Wang, Jiahao Kong, Weijun Zeng, Jutao Xiao, Jie Yang, Bangrui Xu, Yuhan Wang, Bin Wang, Conghui He·· 2026-10-09AI 评分25
CiteVQA 评估显示 20 个多模态模型普遍存在归因幻觉,Gemini-3.1-Pro-Preview 精确归因准确率仅 76.0,最强开源模型为 22.5。
CiteVQA: Benchmarking Evidence Attribution for Trustworthy Document Intelligence
AI 导读
该基准包含 711 个 PDF 文档、1897 个问题,采用严格归因准确率指标,要求答案与证据区域同时正确。 CiteVQA 揭示了仅评估答案的盲区,为可信文档智能提供了衡量工具。
来源:arXiv · NLP · arxiv.org