提出 MedObvious 基准,通过1880个任务评估视觉语言模型在临床分诊前的输入有效性验证能力(如模态、解剖、朝向一致性),发现现有17个VLM在预诊断合理性检查上表现不可靠,存在对正常输入误报异常、多图扩展性能下降、不同评测格式结果差异大等问题,表明该安全关键能力尚未解决。
机构:MBZUAI
来源:arXiv 2603.23501 | AI4Papers 论文推荐平台