arXiv · cs.AI· DoYoung Kim, Changkyu Choi, Ad\'in Ram\'irez Rivera, YunSeok Choi, Jee-Hyong Lee·· 11 小时前
Know-Thy-Not：无训练的双编码器视觉语言模型定向否定方法
Know-Thy-Not: Training-Free Targeted Negation in Dual-Encoder Vision-Language Models
arXiv:2610.17440v1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：DoYoung Kim, Changkyu Choi, Ad\'in Ram\'irez Rivera, YunSeok Choi, Jee-Hyong Lee
研究任务与主要进展
Know-Thy-Not是一种无需训练的双编码器视觉语言模型定向否定方法，通过在图像侧引入拒绝维度，直接惩罚文本中被否定的概念。作者称其克服单嵌入框架只能稀释而不能拒绝否定概念的局限，并在包含9个骨干模型的COCO-Confusion基准上，相比原始模型最高提升25.6个mAP，相比现有最强方法最高提升9.6个mAP；当前仅依据论文摘要。
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