arXiv发布分歧引导多模态安全数据筛选研究
热点事件持续更新
arXiv发布分歧引导多模态安全数据筛选研究
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026年7月15日,arXiv平台发布《Disagreement-Guided Agentic Data Curation》论文,提出基于分歧信号筛选合成边界案例的方法。该研究通过条件化生成图像,选取评分者存在分歧的案例,并检索50个示例作为上下文演示,构建数据管道。 实验表明,该方法在多模态安全基准上将F1分数从0.220提升至0.731,误报率(FNR)降至0.245,显著优于使用350例常规池的传统方法。盲测结果显示,专家在分歧引导图像上的分歧率为24%,验证了该方法在可追溯多模态安全评估中的有效性与实用性。
AI 根据报道生成 · 11 小时前更新
最新进展11月19日 13:00
基于分歧引导的智能体数据筛选用于多模态安全报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · AI基于分歧引导的智能体数据筛选用于多模态安全
该研究利用分歧信号筛选合成边界案例,在多模态安全基准上将 F1 从 0.220 提升至 0.731,FNR 降至 0.245。 管道生成策略条件化图像,选取评分者分歧案例并检索 50 个示例作为上下文演示,显著优于 350 例常规池。 盲测显示专家在分歧引导图像上的分歧率为 24%,验证了该方法在可追溯多模态安全评估中的有效性。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 15:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日
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。