Technion 提出 MIST 误导图像压力测试：13 个 VLM 评审近两成标签被无关图片动摇

Technion 团队提出 MIST 压力测试：200 句可双读英文句子分别配一致图像、误导图像或不配图，要求标签只由句子本身决定。在 13 个 VLM 评审模型上，一致图像与误导图像分别改变 20.5% 和 19.4% 的标签，均高于删除「忽略图像」指令时的 11.6% 波动。仅 37% 的翻转标签朝向图像实际含义，说明动摇评审的是「有图存在」本身，而非图的内容。