arXiv发表VLM能见度鲁棒性研究论文
热点事件持续更新
arXiv发表VLM能见度鲁棒性研究论文
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Mochamad Rizal Fauzan等人在arXiv发布论文（ID：2610.22981），针对5个2-5B参数开源视觉语言模型展开研究。实验基于COCO数据集，模拟能见度从250m降至1.95m的场景，结果发现当能见度降至1.95m时，模型准确率跌至随机水平，但其置信度仍维持在0.68-0.84的高位。 研究指出，当前基准测试严重低估了模型在低能见度环境下的失效风险，且其盲点宽度至少达0.79个数量级。该结论明确表明，在弃权机制设计中，必须为模型提供命名原因的选项，才能有效发挥其弃权功能，仅给出弃权选项而无具体原因标注则无法保证可靠性。
AI 根据报道生成 · 5 小时前更新
最新进展10月19日 12:00
视觉语言模型在物理能见度轴上的准确率、置信度与弃权研究报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · ML视觉语言模型在物理能见度轴上的准确率、置信度与弃权研究
研究显示 5 个 2-5 B 参数开源视觉语言模型在能见度降至 1.95 m 时准确率跌至随机水平，但置信度仍高达 0.68-0.84。 该研究基于 COCO 数据集，雾中能见度从 250 m 降至 1.95 m，盲点宽度至少 0.79 个数量级。 发现表明现有基准测试严重低估模型失效风险，明确指出弃权选项需命名原因才有效。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:0017:0018:0019:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。