多模态痴呆预后缺失模态解释忠实性研究发布

研究由Firuz Kamalov发布，基于阿尔茨海默病神经影像计划中307名数据完整参与者。该研究针对多模态痴呆预后模型，重点探讨在部分模态缺失情况下生成解释的忠实性问题。研究人员区分了两种失效点：一是模型为未观测模态赋予归因的“幻觉归因”，二是报告遗漏、错误引用或误判缺失模态的“不忠实叙述”。 实验部分涵盖了四个语言模型在四种提示机制下生成的51,200份报告。结果发现，五种缺失数据策略会将12%至23%的归因错误分配给未观测模态。通过改进提示词，即在其中明确命名缺失模态，报告的确认率能从48%提升至88%。此外研究发现，方向保真度主要取决于叙述模型的规模，而非提示词本身，而采用结构化模板则成功消除了误报缺失模态的错误。团队已发布了相应的掩蔽协议和评估代码。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。