（ChinaZ.com）3月1日 消息:在人工智能領域，多模式大語言模型(MLLMs)在推動進步方面發揮了巨大作用，但它們面臨處理誤導性信息的挑戰，可能導致不正確或產生幻覺的響應。這種脆弱性引發了對MLLM在需要準確解釋文本和視覺數據的應用中可靠性的擔憂。

　　最近的研究探討了使用MLLMs進行視覺指導調整、引用和基礎、圖像分割、圖像編輯以及圖像生成的方法。像GPT-4V和Gemini這樣的專有系統的推出進一步推動了MLLM研究。關于MLLM中的幻覺的研究主要集中在通過提示工程和模型增強來緩解問題。MLLM中的各種幻覺包括描述不存在的對象、誤解空間關系以及錯誤計數對象等。這些挑戰突顯了當前人工智能能力中的重大差距。

　　蘋果的研究人員提出了MAD-Bench，這是一個經過策劃的基準，包含850個圖像提示對，用于評估MLLMs在文本提示和圖像之間處理一致性的能力。受評估的包括GPT-4V等熱門MLLMs以及開源模型如LLaVA-1.5和CogVLM，揭示了MLLMs在處理誤導性指令方面的脆弱性。

　　數據集包括六類欺騙:對象計數、不存在的對象、對象屬性、場景理解、空間關系和視覺混淆。視覺混淆類別使用欺騙性的提示和圖像，包括3D繪畫、視覺錯位攝影和鏡面反射。使用GPT-4生成了誤導性提示，并使用COCO數據集的地面真實標題手動過濾以確保符合欺騙性標準并與相關圖像相關。

　　結果顯示，GPT-4V在場景理解和視覺混淆類別中的表現更好，準確率超過90%。支持邊界框輸入和輸出的模型在處理不存在的對象時可能更好地服務于基準。此外，GPT-4V對視覺數據有更復雜的理解，不容易受到不準確信息的誤導。不正確響應的常見原因包括錯誤的對象檢測、冗余對象識別、對非可見對象的推斷以及不一致的推理。研究強調，通過戰略性的提示設計，可以增強AI模型對試圖誤導或混淆它們的嘗試的魯棒性。

　　這項研究揭示了MLLMs對誤導性提示的脆弱性問題，并提出了一個有望解決這一問題的解決方案，即MAD-Bench基準。該基準提高了模型的準確性，為未來研究開發更可靠、值得信賴的MLLMs鋪平了道路。作為一個不斷發展的領域，解決這些挑戰對于在現實應用中部署MLLMs至關重要。