多模态知识编辑中证据错误对齐问题的诊断与缓解
英文标题：Diagnosing and Mitigating Evidence Misgrounding in Multimodal Knowledge Editing
本研究聚焦多模态大语言模型（MLLMs）中的多模态知识编辑任务，旨在更新基于视觉的事实知识，同时保持无关文本与视觉行为的稳定性。研究指出，现有的答案级评估指标容易掩盖“证据错误对齐”（Evidence Misgrounding）问题，即编辑可能产生表面正确的答案，却依赖了错误或虚假的视觉证据。该研究提出了针对性的诊断与缓解机制，对提升多模态大模型在实际应用中的可信度、可解释性与持续学习能力具有重要意义。
打开原文相关 2.4 · 机会 0
2.0 KB
612 B
380 B
24.2 KB
34.7 KB
中文
arXiv 编号：arXiv:2610.33075v1
发布类型：new
摘要
多模态知识编辑旨在更新多模态大语言模型（MLLMs）中基于视觉的事实知识，同时保留无关的文本和视觉行为。然而，标准的答案级评估指标往往会掩盖证据错误对齐（Evidence Misgrounding）问题：编辑操作虽然可能输出正确答案，但模型依赖的底层证据可能存在偏差或错误……
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×