11:18
官方账号arXiv cs.AI@Maya Varma, Jean-Benoit Delbrouck, Sophie Ostmeier, Akshay Chaudhari, Curtis Langlotz
推荐理由：这篇论文提出了检测模型生成描述时系统性偏差的新方法和基准SymbalBench，比之前方法好用4倍，适合需要审计多模态模型输出的人。
Symbal
共 1 条相关 AI 资讯
7月17日
11:18
论文提出Symbal方法，利用现成基础模型通过双阶段结构检测多模态大模型生成图像描述时的系统性偏差。作者创建了SymbalBench基准，包含170万图像-文本对（自然图像和医学图像），组织成420个视觉语言数据集并标注了系统性偏差。Symbal在基准上正确识别63.8%数据集的偏差，比最强基线提升近4倍。实验还验证了Symbal能准确暴露4种多模态大模型生成描述中的错误，支持无需访问底层模型即可审计图像描述数据集。