关键证据渐进缺失下的选择性视觉推理：证据顺序校准方法

英文标题：Evidence-Order Calibration for Selective Visual Reasoning under Progressive Loss of Question-Critical Evidence

本研究针对视觉语言模型（VLM）在视觉证据退化时的置信度不一致问题展开探讨。研究指出，尽管模型置信度在总体统计上会随视觉证据退化而变化，但在单个具体样本中往往表现出结构性不一致。为此，论文围绕与问题相关的五步渐进式证据缺失流程，深入分析了回答维度的可靠性，并提出证据顺序校准机制。该研究为开发者在视觉信息受损或不完整环境下构建更可信的 VLM 决策与选择性预测（如拒答机制）提供了重要参考。