热点事件持续更新
DoD视觉拒绝基准与VisTA训练方法提出
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月7日，arXiv cs.CL 刊出论文，提出统一多模态模型的视觉拒答问题。作者构建 Draw-or-Decline（DoD）基准，包含 7 类任务、1,050 组可行与不可行请求对，用于评估 8 个统一多模态模型。结果显示，表现最强的图像编辑器编辑准确率为 68.4%，但对不可行请求的拒绝率仅 0.4%，即模型倾向强行执行本应拒绝的编辑。为此论文提出 VisTA 训练方法，训练出的 VisTA-BAGEL 在无需额外提醒的情况下拒绝 93.0% 的不可行请求，对可行请求的误拒率为 0.8%，并完成 74.3% 的可行编辑任务。目前进展为该方法与基准一并公开。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
VisTA-BAGEL 无需提醒即拒绝 93.0% 不可行请求，误拒仅 0.8%。报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.CL统一多模态模型的视觉拒答：Draw-or-Decline 基准与 VisTA 训练方法
论文提出 Draw-or-Decline（DoD）基准，用 7 类任务、1,050 组可行/不可行请求对评估 8 个统一多模态模型，发现最强编辑器编辑准确率 68.4%，却只拒绝 0.4% 的不可行请求。VisTA 方法训练出的 VisTA-BAGEL 无需提醒即拒绝 93.0% 不可行请求，误拒 0.8% 可行请求，并完成 74.3% 可行编辑。
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。