热点事件持续更新

NAME-Bench基准区分非断言提及与真实幻觉

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

现有视觉语言模型（VLM）幻觉检测器存在缺陷，将非断言性物体提及误判为幻觉，错误率高达14%至80%。研究团队指出，非断言性提及包括描绘、目的、否定及模糊等情形，需与真实幻觉明确区分。该研究提出NAME-Bench基准，包含25,497个基于COCO图像由五个VLM生成提及。实验表明，将非断言性提及作为负样本训练，可修正LLaVA-1.5检测器的误判问题，提升检测准确性。研究同时发现技术限制：更新VLM检测器需5至10倍数据量，且该操作会导致真实幻觉捕获率下降。这一发现揭示了优化误判与保持敏感度之间的权衡难题。

AI 根据报道生成 · 6 小时前更新

最新进展10月19日 12:00

NAME-Bench 基准重新思考视觉语言模型中的物体幻觉检测

报道时间线

沿着报道，了解事件的不同侧面。

10月19日

12:00
arXiv · NLP
NAME-Bench 基准重新思考视觉语言模型中的物体幻觉检测
现有 VLM 幻觉检测器将非断言性物体提及误判为幻觉，错误率达 14% 至 80%。研究引入包含 25,497 个 COCO 图像提到的 NAME-Bench，区分非断言性提及如描绘、目的、否定和模糊。将非断言性提及作为负样本训练可修正 LLaVA-1.5 检测器，但更新 VLM 需 5 至 10 倍数据且会减少真实幻觉捕获。

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: –

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。