医疗VLM越过证据边界仍作答的评估框架
热点事件持续更新
医疗VLM越过证据边界仍作答的评估框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Edric Castel C. Hao 等作者提出一个基线锚定框架：先找出基线答对的病例，再让图像逐步退化，追踪这些病例何时越过经验证据边界；他们把模型在边界处仍坚持作答（无论对错）定义为“海市蜃楼”。 在三个医疗数据集上测试三款医疗VLM时，只有MedGemma的基线正确样本量足以做轨迹分析。其越过边界后的行为包括直接海市蜃楼、正确恢复、海市蜃楼消解、持续拒答与振荡，各数据集与模态组合的海市蜃楼率为16.0%至100.0%。
AI 根据报道生成 · 1 小时前更新
最新进展10月21日 12:00
医疗 VLM 在渐进式证据缺失下的“行为海市蜃楼”：MedGemma 越过证据边界仍持续作答报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.CL医疗 VLM 在渐进式证据缺失下的“行为海市蜃楼”：MedGemma 越过证据边界仍持续作答
研究提出基线锚定框架，追踪基线答对的病例在图像渐进退化下何时越过经验证据边界，并将边界处仍坚持作答（无论对错）定义为“海市蜃楼”。三个医疗数据集上的三款 VLM 中仅 MedGemma 基线正确样本量足够做轨迹分析，其边界后行为包括直接海市蜃楼、正确恢复、海市蜃楼消解、持续拒答与振荡，各数据集-模态组合的海市蜃楼率为 16.0% 至 100.0%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。