看似合理的解释足以误导多模态裁判模型（MLLM Judges）

英文标题：A Plausible Explanation Is Enough to Mislead Multimodal Judges

多模态大语言模型（MLLMs）在训练与评估流程中正日益广泛地充当“裁判”（Judges），通常会结合答案及其解释进行综合裁决。最新研究表明，即使答案本身存在偏差，仅凭一段看似合理的普通解释就足以对多模态 AI 裁判造成显著误导。这揭示出当前基于“模型即裁判（LLM/MLLM-as-a-Judge）”体系对文本表象敏感性过高的固有缺陷。对开发者和行业而言，在多模态基准评测和强化学习（RLHF/RLAIF）流程中，亟需建立防范“伪合理性解释”干扰的鲁棒性校验机制。