跳到正文
arXiv · ML· Abdullah Al Maruf, Md. Sajedul Islam, Tanmoy Mridha, Irfan Hossain Bhuiyan·· 2026-10-16AI 评分23

BD-HazardVLM:探测视觉语言模型在孟加拉国道路场景下的潜在防御性驾驶危险

BD-HazardVLM: Probing Vision-Language Models for Latent Defensive-Driving Hazards in Bangladesh Road Scenes

AI 导读

针对孟加拉国道路场景的视觉语言模型防御性推理基准 BD-HazardVLM 显示,Qwen2.5-VL-7B 等模型的二元危险检测准确率仅约 89%,与多数类基线持平。 细粒度推理表现显著较弱:类别准确率低于 40%,风险时机准确率介于 1.6% 至 12.4%,精确防御动作匹配率低于 2%。 该结果证明粗粒度危险识别不等同于可靠的细粒度防御性驾驶推理能力,揭示了地理多样安全评测的必要性。

来源:arXiv · ML · arxiv.org