arXiv Computer Vision· Li Ma, Yan Zhuang, Jiawen Deng, Fuji Ren·· 2 小时前AI 评分30
ViSiP-Bench：评测并缓解 MLLMs 语言先验对视觉感知的干扰
Seeing is Believing: Benchmarking and Mitigating the Interference of Language Priors on Visual Perception in MLLMs
AI 导读
针对 MLLMs 语言先验压制视觉证据的问题，研究者提出 ViSiP-Bench，覆盖六类先验的罕见真实场景，并采用模型感知的动态先验诱导协议与三项指标衡量先验抵抗能力。评测 24 个模型发现先验依从普遍存在、不随规模改善，且大模型倾向强烈压制或固守先验。为此提出 MAPS，定位各模型最强先验并在事实性知识上微调，以软化过度先验依赖而不损害通用能力。
来源：arXiv Computer Vision · arxiv.org