MAGIC：面向 VLM 测试时鲁棒性扩展的边缘门控对比去偏与证据恢复

MAGIC 通过测量 LVLM 关键 token 的预测边缘，用门控函数筛出易受语言偏置影响的低置信样本，仅对它们启用文本与图像扰动分支进行去偏推理。对去偏后仍模糊的样本，该方法选择性恢复预测分布更尖锐的损坏视图以重建证据，并借助校准数据集主动识别和剪枝无效分支来降低推理开销。基准数据集实验显示其效果优于多种基线。