arXiv Computer Vision· Bingkui Tong, Jiaer Xia, Sifeng Shang, Kaiyang Zhou·· 4 小时前AI 评分31
HumbleBench：衡量多模态大语言模型的认知谦逊
Measuring Epistemic Humility in Multimodal Large Language Models
AI 导读
研究者提出 HumbleBench，一个通过始终包含"None of the above"（NOTA）选项的多选题来评估多模态大语言模型"拒绝虚假选项"行为的幻觉基准，基于 Panoptic Scene Graph 数据集由 GPT-4-Turbo 生成并经人工验证，共 22,831 道题。
来源：arXiv Computer Vision · arxiv.org