视觉大模型 / VLM

VIABLE: A Visually Impaired Assistance Benchmark for VLM-as-a-Judge Evaluation

面向VLM-as-a-Judge评估的视障辅助基准

Yi Zhao, Siqi Wang, Zhe Hu, Yushi Li, Jing Li

机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算机系） 纠错

专题命中 幻觉与鲁棒性 ：VLM(title,title_cn)；分类 cs.CV

AI总结 针对视障辅助任务中VLM-as-a-Judge评估的可靠性问题，提出VIABLE基准（含30万+样本、有效性-公正性-稳定性框架及12种失败模式分类），发现现有模型不可靠，并开发VIA-Judge-Agent方法提升诊断准确性和用户偏好。

Comments Accepted to EMNLP 2026 (Main Conference)

Learning to Prefer Reliably: Error-Augmented Emotion Preference Optimization with Calibrated Fusion

学习可靠偏好：带校准融合的错误增强情感偏好优化

Zilong Huang, Junyi Peng, Junjie Li, Kai Li, Wenze Ren, Kong Aik Lee, Man-Wai Mak, Tatsuya Kawahara

专题命中 幻觉与鲁棒性 ：MLLM(summary_cn,abstract)；multimodal large language model(abstract)

AI总结 针对情感偏好学习的稀疏监督与单一MLLM评判者的偏差问题，提出EAPO框架，构建错误增强数据集并通过边际校准软融合聚合多MLLM评判结果，提升情感偏好预测与鲁棒性。

Comments Accepted at ACM MM 2026 Workshop (MRAC '26)

The Blending Ratio Is Not Where the Performance Is: Diagnosing Prototype Blending for Few-Shot Adaptation of Vision-Language Models

混合比例并非性能所在：诊断视觉-语言模型少样本适配中的原型混合

Liangzhi Li, Bowen Wang, Yiming Qian, Thorsten Neumann, Xia Xie, Guangshun Li

机构 * Qufu Normal University（曲阜师范大学） ； Climind ； The University of Osaka（大阪大学） ； Institute of Scientific and Industrial Research (SANKEN)（产业科学研究所（SANKEN）） ； Institute of High Performance Computing (IHPC), A*STAR（新加坡科技研究局高性能计算研究所（IHPC）） ； Standard Chartered Bank（渣打银行） ； Hainan University（海南大学） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(title,abstract)；分类 cs.CV、cs.LG

AI总结 本文针对视觉-语言模型少样本适配的原型混合方法，发现其最优混合比例可仅通过支持集估计，且无验证的线性探针性能优于最优调参混合，性能上限由模型本身而非超参数决定。

Seeing vs. Believing: Evaluating the Language Bias of Open-Source MLLMs in Counter-Intuitive Scenes

看见 vs. 相信：评估开源多模态大模型在反直觉场景中的语言偏见

Chen Ling, Tongwei Zhang, Hanqian Li, Nai Ding

机构 * Zhejiang University（浙江大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 幻觉与鲁棒性 ：multimodal large language model(abstract)；分类 cs.CV、cs.AI

AI总结 为评估多模态大模型处理反直觉动作场景的能力，提出CAIT基准（400个高保真合成场景），发现开源模型因语言先验而忽视视觉证据，性能接近随机水平，而链式思维推理虽提升准确率但导致过度思考拒绝视觉内容，通过微调和结构化提示可缓解此偏见。

ToolRobustBench: Stage-Wise Perturbation Evaluation and Failure Diagnosis for Tool-Calling Agents

ToolRobustBench：工具调用智能体的分阶段扰动评估与故障诊断

YiShan Zheng, Yuan Wu, Yi Chang

专题命中 幻觉与鲁棒性 ：grounding(abstract)；分类 cs.AI

AI总结 本研究推出ToolRobustBench，这一工具调用智能体的分阶段诊断基准，通过四类扰动族评估7个模型等的15456个实例，发现工具输出/观测扰动是主要瓶颈，可诊断工具调用故障来源与传播。

SIREN-Bench: Behavior-Driven Generation and Evaluation of Emergency-Vehicle Interactions

SIREN-Bench：行为驱动的应急车辆交互生成与评估

Yicheng Zhu, Tianmu Zhao, Haoxin Leng, Fan Zuo, Tao Li, Zilin Bian

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； CVS Health（CVS健康公司） ； City University of Hong Kong（香港城市大学） ； New York University（纽约大学） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(abstract)

AI总结 该研究提出行为驱动的SIREN协同仿真平台，构建SIREN-Bench-v1基准，经3类任务评估揭示不同行为模式下的失效特性，为自动驾驶与交通安全研究提供可扩展平台。

Taming Visual Neglect: A Variational Information Bottleneck Framework for Adaptive Attention in Multimodal In-Context Learning

驯服视觉忽视：用于多模态上下文学习中自适应注意力的变分信息瓶颈框架

Kaito Tanaka, Yuji Nishimura, Keisuke Matsuda, Aya Nakayama

机构 * SANNO University（山王大学） 纠错

专题命中 幻觉与鲁棒性 ：vision-language model(abstract)

AI总结 针对多模态上下文学习中视觉上下文时而被利用时而被忽视的问题，提出VIB-ICL框架，通过CMIG量化跨模态信息，推导理论界并经五组基准实验验证，实现准确率提升与演示样本减少。