arXiv · cs.AI· Everett Richards·· 6 小时前
视觉语言模型自动驾驶危险检测的任务对齐稳定性分析
Task-Aligned Stability Analysis of Vision-Language Models for Autonomous Driving Hazard Detection
arXiv:2606.11889v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Everett Richards
研究任务与主要进展
一项基于 CLIP 的研究分析视觉语言模型在自动驾驶危险检测中的鲁棒性，在 BDD100K 路况数据上用受控扰动对比嵌入漂移与危险分数的变化。结果显示两者耦合程度高度依赖扰动类型：有的扰动导致危险决策不稳定而嵌入变化不大；多数扰动通过漏检抑制危险识别，而遮挡反而引发误报。作者据此建议鲁棒性基准应加入任务对齐的稳定性度量并考虑不对称失效模式。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org