VLM自动驾驶危险检测任务对齐稳定性分析

2026年10月15日，arXiv Artificial Intelligence 发布一项研究，面向自动驾驶危险检测，分析视觉语言模型的任务对齐稳定性。研究使用 BDD100K 道路场景进行受控损坏实验，检验视觉语言模型的嵌入漂移能否预测由 CLIP 图文相似度导出的任务对齐危险分数变化。结果显示，两者关系高度依赖损坏类型：部分损坏族中表征漂移与决策漂移强耦合，另一些则在嵌入变化不大时仍引发危险决策失稳。多数损坏族以漏检抑制危险检测，遮挡则触发误报。研究据此提出，鲁棒性基准应纳入任务对齐稳定性指标，并区分非对称失效模式。该报道为目前唯一相关报道，未出现与早先报道矛盾的数字、时间或说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。