Anisha Saha 等提出多模态隐式伤害基准 MuPHI 与训练方法 CHIL

Anisha Saha 等发布论文，提出多模态语用有害性解释基准 MuPHI，用于诊断视觉语言模型能否理解图像与文本组合后产生的有害机制；该基准中伤害纯粹来自图文组合，并配有良性反事实样本和标注的伤害理由。作者同时设计了 CHIL（Compositional Harm Interpretation Learning）训练方法，优化证据识别、跨模态绑定和推理一致性。 作者称 CHIL 在 81% 的分布外迁移评估中平均提升 macro-F1 2.5，反事实翻转正确率最高提升 3.8 和 5.4 个百分点。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。