论文研究 arXiv cs.CV Tue, 04 Aug 2026 正文 thin 4 words

哪种模态决定结果？面向多模态大语言模型的反事实模态归因

英文标题：Which Modality Decides? Counterfactual Modality Attribution for Multimodal LLMs

该论文研究多模态大语言模型（MLLM）在图像与文本共同参与决策时，究竟由哪一种模态对最终结果起决定性作用。现有可解释性方法通常能够识别有影响力的图像区域或文本 token，但难以进一步判断不同模态在决策中的因果贡献。论文提出以反事实方法进行模态归因，旨在更准确地分析图文信息对高风险决策的作用。该方向可帮助开发者提升多模态 AI 系统的可解释性、可靠性与审计能力。

打开原文相关 3.2 · 机会 0