DIQ-H 基准与 VGIR 框架：评估 VLM 在对抗视觉条件下的鲁棒性
Value-Guided Iterative Refinement and the DIQ-H Benchmark for Evaluating VLM Robustness
AI 导读
研究者提出 DIQ-H 基准，首次在连续序列中评估 VLM 在对抗视觉条件下的表现，模拟运动模糊、传感器噪声和压缩伪影，衡量这些损坏如何导致持续错误与价值不一致。同时提出 Value-Guided Iterative Refinement（VGIR）框架，用轻量级 VLM 自动生成高质量、伦理对齐的标注，将准确率从 72.2% 提升至 83.3%，相对提升 15.3%。