热点事件持续更新
MoST：VLM 模态敏感性的黑盒测试框架提出
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 刊出研究，研究者提出 MoST 黑盒测试框架，通过对比纯图像、纯文本与联合扰动三类条件，刻画视觉语言模型（VLM）的模态敏感性。在 ImageNet 与驾驶图像的目标定位任务上，该研究测试了四个 VLM：结果部分模型主要受文本扰动影响，另一些则对两种模态都脆弱；联合扰动只需更小改动，即可匹敌或超过单模态扰动的效果。人类评估中，60%–76% 的判断认为扰动后的输入仍足以完成任务，且人类定位比对应 VLM 更准确。目前该工作以预印本形式公开，尚无后续进展报道。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
MoST 框架论文首次公开：四款 VLM 模态敏感差异明显，人类定位仍更准确。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CVMoST：基于搜索的视觉语言模型模态敏感性测试
研究者提出 MoST 黑盒测试框架，通过对比纯图像、纯文本与联合扰动来刻画视觉语言模型的模态敏感性。在 ImageNet 与驾驶图像的目标定位任务上测试四个 VLM，部分模型主要受文本扰动影响，另一些则两种模态都脆弱；联合扰动以更小改动即可匹敌或超过单模态扰动。人类评估中 60-76% 的判断认为扰动输入仍足以完成任务，且人类定位比对应 VLM 更准确。
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。