arXiv cs.CV· Bingkui Tong, Jiaer Xia, Sifeng Shang, Kaiyang Zhou·· 5 小时前AI 评分24
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，一个基于 Panoptic Scene Graph 数据集、由 GPT-4-Turbo 生成并人工核验的幻觉基准，包含 22,831 道带 "None of the above"（NOTA）选项的选择题，用于评估多模态大语言模型的错误选项拒绝行为。
来源：arXiv cs.CV · arxiv.org