Trick-or-Treat：对抗性多模态医疗基准揭示模型幻觉
热点事件持续更新
Trick-or-Treat：对抗性多模态医疗基准揭示模型幻觉
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Oishi Banerjee 等研究者推出 Trick-or-Treat 基准，将真实胸片与合成临床照片配对，对抗性测试多模态医疗模型。在不一致的配对中，照片呈现的是不会导向同一诊断的其他临床发现，用于检验模型的跨模态推理。 测试三个前沿模型发现：在不一致配对中，模型有 45-57.5% 幻觉出具有临床意义的照片发现，高于同样照片单独呈现时的 25-37.5%，模型倾向忽略不一致、编造与胸片相符的发现。该基准同时展示了合成图像在对抗性多模态评测中的应用潜力。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
Trick-or-Treat：用合成图像对抗性评测多模态医疗推理报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AITrick-or-Treat：用合成图像对抗性评测多模态医疗推理
研究者推出 Trick-or-Treat，一个将真实胸片与合成临床照片配对的对抗性多模态医疗基准，用于揭示前沿模型的幻觉行为。测试显示，三个前沿模型在胸片与照片不一致的配对中有 45-57.5% 幻觉出具有临床意义的照片发现，高于照片单独呈现时的 25-37.5%，模型倾向忽略不一致、编造与胸片相符的发现。该基准同时展示了合成图像在对抗性多模态评测中的应用潜力。
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。