3D-LLM证据可靠性基准UNICORNS与HORN方法

研究团队提出UNICORNS基准，用于检验3D大语言模型是否真正依据3D证据作答。该基准包含557个ScanNet扫描中的11,387个问题，覆盖指代歧义、证据不足和错误预设等四类证据条件。在六个开源3D-LLM中，最强零样本模型在可回答问题对照上的准确率为61.22%，但在八个挑战类别上仅40.94%。为此，团队提出义务感知后训练方法HORN；报道称，HORN在挑战类别上达到75.1±1.0%、整体77.2±0.8%，且未降低可回答对照准确率。上述数字均来自同一篇报道，尚无后续跟进报道对其独立验证。

AI 根据报道生成 · 37 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。