技術研究　arXiv Computer Vision　2026-10-19 13:00

VLMを「信じる手がかり」で順位付けする提案

原題　Shift-Reliance Alignment: Ranking Vision-Language Models by the Cues They Trust

視覚言語モデルは通常リーダーボードで選ばれ、用途に関係なく順位が一つに決まる。場面から連想されるが写っていない物の質問で、モデルが頼る手がかりに着目して順位を付ける手法を提案した。

論点

リーダーボードの単一順位は役に立つか

みんなの立場0票

賛成0%0票

反対0%0票

どちらでもない0%0票

まだ投票はありません。あなたはどう思う？

議論のヒントを見る

賛成側の視点

用途で最適なモデルは違う。一本の順位は誤解のもとで、手がかり別の評価が必要だ。

反対側の視点

単純な順位だから皆が使い、比較が成り立つ。細かい評価は複雑すぎて誰も見ない。