研究者提出HumbleBench幻觉基准评估MLLM拒答能力
热点事件持续更新
研究者提出HumbleBench幻觉基准评估MLLM拒答能力
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究者发布 HumbleBench，一个用于评估多模态大语言模型“错误选项拒绝”行为的幻觉基准。该基准基于 Panoptic Scene Graph 数据集构建，由 GPT-4-Turbo 生成题目并经人工核验，共含 22,831 道选择题，每题均设“None of the above”（NOTA）选项，模型需在无正确选项时拒绝作答。 作者称，该基准衡量的是认知谦逊中可直接观察的一面，即模型能否拒绝错误选项。代码与数据集已公开。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
HumbleBench：衡量多模态大语言模型的认知谦逊报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.CVHumbleBench：衡量多模态大语言模型的认知谦逊
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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月15日 13:00
- 近 24 小时变化
- –
02.557.510
13:0014:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。