CulturalBind多模态知识编辑基准发布

2026年10月29日，arXiv预印本发布CulturalBind基准，该基准包含6个领域的1000个概念及3200张图片，专门用于评估视觉语言模型（VLM）的文化意识跨模态知识与概念级知识编辑能力。 预编辑测试结果显示，模型的文本与视觉知识存在解耦现象，具体表现为模型能通过文本识别文化概念，却无法通过图像进行识别。此外，现有编辑方法在顺序编辑场景下性能迅速下降，暴露出跨模态可移植性不足的问题。

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。