EviScene 判断图片事实性：ReAct 智能体准确率达 79%
ZiAn Wang · hf · 2026-10-14
论文提出「图片事实性评估」新任务：判断一张图不只是问「是不是 AI 生成」，而是验证它描绘的情形是否真实有据。
- 发布 EviLens 基准：专家审核的 10,174 张 supported/refuted 图片，覆盖 12 类事实错误，同时评估判定准确率与证据充分性
- EviScene 是一个多模态 ReAct 智能体，交替进行视觉检查、外部检索与证据分析，并随调查进展动态细化事实问题
- 训练方式：在教师轨迹上监督微调 + 对已验证决策做特权 on-policy 自蒸馏
- Qwen3.5-9B 智能体在 1,527 张测试集上取得 79.05% 平衡准确率和 52.26% 的 Strict Evidence Sufficiency Rate（评估智能体中最高），较同底座基座分别提升 6.71 和 9.37 个百分点
代码、模型与数据将开源。
「研究」频道最新
- FlashVSR+：单张 RTX 4090 跑 4K 视频超分，提速 2 倍省 45% 显存 — MMLab-CUHK · 2026-10-14
- Sber 发布 GreenWAM：一个世界模型通吃 20 类机器人并可直接当策略 — SberRoboticsCenter · 2026-10-14
- 腾讯发布 LifeSearch 基准：最强 agent GPT-5.6 Sol 也仅得 63.4% — Tencent-Hunyuan · 2026-10-14
- Science 发文：更年期或是女性痴呆风险更高的关键原因 — AnnaCiaunica · 2026-10-14
- AI 何时能在物理学上像数学领域那样批量出成果？ — burny_tech · 2026-10-14
- 光子训练 1B GPT-2:绕过反向传播的 DFA 光学预训练登上 PNAS — IgorCarron · 2026-10-14