多模态大模型

Multimodal Climate Disinformation Detection: Integrating Vision-Language Models with External Knowledge Sources

多模态气候虚假信息检测：整合视觉-语言模型与外部知识源

Marzieh Adeli Shamsabad, Hamed Ghodrati

机构 * CRIM 纠错

专题命中 图文多模态 ：multimodal(title)；分类 cs.AI

AI总结 本文提出整合视觉-语言模型与外部知识源，以提升多模态气候虚假信息检测的准确性与实时性。

Crafting Adversarial Inputs for Large Vision-Language Models Using Black-Box Optimization

为大型视觉-语言模型设计对抗输入使用黑盒优化

Jiwei Guan, Haibo Jin, Haohan Wang

机构 * School of Computing, Macquarie University（麦考瑞大学计算机学院） ； School of Information Sciences, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校信息科学学院） 纠错

专题命中 图文多模态 ：multimodal(abstract)；分类 cs.CV、cs.AI

AI总结 本文提出了一种基于零阶优化的黑盒劫持攻击方法，针对大型视觉-语言模型实现高成功率的对抗性攻击，揭示了当前模型安全机制的不足。

Comments EACL

Natural Language-Driven Global Mapping of Martian Landforms

基于自然语言的火星地表全球映射

Yiran Wang, Shuoyuan Wang, Zhaoran Wei, Jiannan Zhao, Zhonghua Yao, Zejian Xie, Songxin Zhang, Jun Huang, Bingyi Jing, Hongxin Wei

机构 * School of Science, Southern University of Science and Technology（南方科技大学科学学院） ； China University of Geosciences（中国地质大学） ； University of Hong Kong（香港大学） ； Hubei Key Laboratory of Planetary Geology, China University of Geosciences（湖北省行星地质重点实验室，中国地质大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 图文多模态 ：image-text(abstract)；分类 cs.AI

AI总结 MarScope通过自然语言驱动的视觉-语言框架，实现了火星地表的全球映射，实现了高效、灵活的地质分析和大规模数据探索。