arXiv cs.AI· Qiwei Yan, Zhiqiang Yuan, Zexi Jia, Nanxing Hu, Kailin Lyu, Jie Zhou, Jinchao Zhang·· 1 天前AI 评分26
PAL-Bench：从纵向个人相册重建有证据支撑的用户画像
PAL-Bench: Evidence-Grounded Profile Reconstruction from Longitudinal Personal Albums
AI 导读
研究者提出 PAL-Bench，一个在公开记录契约下评测"证据支撑画像重建"的受控基准，包含 50 个合成用户、36,659 条公开照片记录和 2,799 个目标。
正文 · AI 翻译
摘要：纵向个人相册是弱模式多模态数据库：这些带有噪声的感知记录，其关键事实需要跨人脸、文本、时间戳、位置和重复事件进行连接。现有的视觉、视频、文档和 lifelog 基准测试的是子问题，而非带有社会身份绑定和证据引用的相册级画像重建。对此任务进行基准测试很困难，因为评估所需的真实标注——所有者画像、社交图谱、人脸-姓名映射和证据溯源——是真实相册无法安全公开的私有状态。我们推出 PAL-Bench，一个在公开记录契约下进行基于证据重建的受控基准。其 Evidence Compiler 构建潜在的私有世界，编写目标级证据路径，渲染相册像素，通过感知流水线重新测量它们，并导出经审计的公开/私有视图。智能体仅接收由感知导出的公开记录；目标、标识符映射和证据路径保持隐藏。PAL-Bench 包含 50 个合成用户、36,659 条公开照片记录，以及涵盖所有者事实、身份和关系的 2,799 个目标。一项有 10 名参与者参与的隐私保护审计证实，PAL-Bench 的证据结构与真实私有相册相符，尽管等效的公开释放在隐私上仍不可行。在七个系统和两个计算匹配的诊断中，一个七指标协议揭示了合理画像摘要与忠实社会重建之间的差距：系统能恢复部分所有者事实，但在反复出现的身份和证据引用方面表现不佳。PAL-TRACE 是一个在挖掘所有者事实之前冻结身份绑定的参考框架，表现最佳，但仍远未解决困难的身份消解问题。PAL-Bench 为感知实体消解、多模态数据集成、时序证据聚合和溯源感知的结构化预测提供了一个测试平台。
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2606.16175 [cs.AI] |
| （或本版本的 arXiv:2606.16175v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2606.16175 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zhiqiang Yuan [查看邮箱]
[v1]
2026年6月15日星期一 03:42:59 UTC（4,671 KB）
[v2]
2026年11月11日星期三 10:05:00 UTC（4,671 KB）
来源：arXiv cs.AI · arxiv.org