提出BICR(盲图对比排序)框架,通过在训练时对比LVLM在真实图像与黑屏图像下的隐藏状态并引入排序损失,有效评估大视觉语言模型的视觉 grounding 置信度,在多项基准上同时实现最佳的校准与判别性能。
机构:密歇根州立大学
来源:arXiv 2605.10893 | AI4Papers 论文推荐平台