MIT与DeepMind联袂揭示：视觉语言模型理解否定表达的困境及根源

2025-01-20 16:19:11

导读视觉语言模型（VLMs）在多模态任务中至关重要，但理解否定表达仍是其重大挑战。现有模型如CLIP在处理否定陈述时表现不佳，根源在于预训练数...

视觉语言模型（VLMs）在多模态任务中至关重要，但理解否定表达仍是其重大挑战。现有模型如CLIP在处理否定陈述时表现不佳，根源在于预训练数据主要由肯定示例构成，导致模型将否定与肯定视为同义。这在高风险领域如安全监控和医疗保健中尤为重要。

为解决此问题，MIT、DeepMind和牛津大学提出NegBench框架，用于评估和改进VLMs对否定的理解能力。该框架通过合成数据集提高模型训练和评估效果，显著提升了模型在处理否定查询时的召回率和多项选择任务中的准确率，为构建更强大的人工智能系统铺平了道路。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时候联系我们修改或删除，多谢。

标签：

上一篇:OpenAI o3被曝数学成绩作弊丑闻：提前获取真题，60余名数学家竟被蒙在鼓里

下一篇:最后一页