热点事件持续更新
MAGIC：提升视觉语言模型测试时鲁棒性
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
2026年10月26日，arXiv cs.CV 发布论文提出 MAGIC，用于提升大型视觉语言模型（LVLM）的测试时鲁棒性。该方法先测量 LVLM 关键 token 的预测边缘，用门控函数筛选出易受语言偏置影响的低置信样本，仅对这些样本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，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，以降低推理开销。报道称，基准数据集实验显示该方法效果优于多种基线。
AI 根据报道生成 · 2 小时前更新
最新进展10月26日 12:00
arXiv 论文提出 MAGIC，以边缘门控对比去偏与证据恢复提升 LVLM 测试时鲁棒性。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CVMAGIC：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。
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。