arXiv cs.AI· Zhiwu Wang, Yichen Wu, Jinqian Yang, Yizhou Yang, Renzhen Wang, Qian Zhao, Deyu Meng·· 14 小时前AI 评分31
多模态知识编辑中的证据错位问题：诊断与 VICE 缓解方法
Diagnosing and Mitigating Evidence Misgrounding in Multimodal Knowledge Editing
AI 导读
研究提出 VICE（Visual In-Context Editing），一个基于检索的框架，将编辑存入外部记忆并通过视觉上下文演示应用，以缓解多模态知识编辑中的证据错位问题。
正文 · AI 翻译
摘要：多模态知识编辑旨在更新多模态大语言模型（MLLMs）中基于视觉的事实，同时保持无关的文本和视觉行为不变。然而，标准的答案级指标可能掩盖证据错位问题：一次编辑可能在原始图像上产生目标答案，却仍然对偶然上下文敏感，而非对预期的视觉证据敏感。为了在受控环境中考察这一问题，我们构建了 WaterBird-Edit，这是一个分析数据集，将鸟类栖息地标签与背景上下文解耦，并衡量当目标证据保留但背景发生变化时，编辑后的预测是否保持稳定。受这一诊断的启发，我们提出了 VICE（Visual In-Context Editing），一个基于检索的框架，将编辑存储在外部记忆中，并通过旨在暴露任务相关证据的视觉上下文演示来应用这些编辑。在三个标准基准上的实验表明，VICE 实现了强大的终身编辑性能，而在 WaterBird-Edit 上的结果表明，它大幅降低了对受控背景变化的敏感性。代码和数据集可在 此 https URL 获取。
| 注释： | 已被 EMNLP 2026 Findings 接收 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.33075 [cs.CV] |
| （或 arXiv:2610.33075v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33075 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhiwu Wang [查看邮箱]
[v1]
2026年10月21日 星期三 07:00:01 UTC（605 KB）
来源：arXiv cs.AI · arxiv.org