待验证50% 置信事实精确时间

当把有针对性的二元问题替换为泛泛的'这段视频物理上合理吗'式提问时，VLM 裁判的准确率跌到随机猜测水平。

1

来源数

50%

置信度

长期有效

时效性

2026/10/15

首次发现

来源

PhyMetric：用场景级QA诊断文生视频物理合理性

rss2026/10/14

涉及实体

PhyMetricproduct 视觉语言模型concept

相关事实

待验证多模态大模型在视频问答的事实回忆准确率极低，即便经过监督微调也难以改善69% 相似待验证研究发现模型在语义合理的失真陈述上的准确率反而高于在无意义的随机替换上的表现66% 相似待验证作者假设混合方案比 '问 LLM 看起来对不对' 产生更少误报、更多可执行发现，但该假设尚未被测量。66% 相似待验证向视觉模型提问的措辞对准确率影响巨大：当问'是同一类型的产品吗？'时，11个不同充电器中有7个被放行；换成更严格的问法后，11个中只有1个通过。66% 相似待验证答案均衡要求每类问题的是/否标签在分布上大致配对，使随机猜测的期望准确率停留在 50% 左右。64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1038895

API

curl https://kongchang.com/api/v1/knowledge/claims/1038895

MCP

get_claim(id=1038895)