多模态模型视觉弃权基准DoD与VisTA方法提出

Chufan Shi 等作者发布论文，提出「视觉弃权」任务：当视觉变换请求不可行时，统一多模态模型应识别并拒绝生成，而非强行输出。 作者同时提出 DoD（Draw-or-Decline）基准，包含 7 类任务、1,050 组可行与不可行请求对，同时衡量编辑成功率与对不可行请求的拒绝；并给出 VisTA 训练方法。论文尚未给出该方法在其他模型上的验证结果。

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。