論文の概要: RECAP: Relation Evidence Calibration for Detecting Spatial Relation Hallucinations in Vision-Language Models
- arxiv url: http://arxiv.org/abs/2609.26093v1
- Date: Tue, 04 Aug 2026 14:03:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.873286
- Title: RECAP: Relation Evidence Calibration for Detecting Spatial Relation Hallucinations in Vision-Language Models
- Title（参考訳）: RECAP:視覚言語モデルにおける空間的関係の幻覚検出のための関係証拠校正
- Abstract要約: 視覚言語モデルは、画像が不整合関係をサポートする場合でも、空間関係の疑問に自信を持って答えることができる。
我々は,その視覚的支援を監査することで,すでに生成したイエス/ノー回答を受け入れ,拒否する関係的選択予測を定式化する。
ReCAPは、クレームのイメージ条件付き可能性、セマンティックな矛盾、オプションの片側サポートを比較し、これらの証人を回答条件付き拒絶リスクに変換する。
- 参考スコア（独自算出の注目度）: 18.4543393295727
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-language models can answer spatial relation questions confidently even when the image supports an incompatible relation. We formulate relation-grounded selective prediction: accept or reject an already-produced yes/no answer by auditing its visual support, rather than treating uncertainty as evidence. RECAP, our relation-evidence calibration framework, compares image-conditioned likelihoods for a claim, its semantic contradictions, and optional one-sided supports, then converts these witnesses into an answer-conditioned rejection risk. A calibration-only gate preserves confidence as a veto when confidence is demonstrably informative and otherwise deploys relation evidence alone. Across 20 group/image-disjoint splits, RECAP lowers H-FPR@80 over confidence by between 2.0 and 17.9 points on VSR and raises Acc@80 by 3.0, 8.6, and 12.6 points on What'sUp for Qwen3-VL-8B, InternVL3.5-8B, and LLaVA-1.5-7B. It outperforms matched VCD-style visual contrast on all four primary metrics in all six settings. Full-pool VSR fallback, target-ranked GSR-Bench transfer, equal-budget supervised controls, and two additional checkpoints show a consistent operating principle: structured counterevidence complements certainty when confidence is misaligned, while the gate retains confidence when it is already useful.
- Abstract（参考訳）: 視覚言語モデルは、画像が不整合関係をサポートする場合でも、空間関係の疑問に自信を持って答えることができる。
我々は、不確かさを証拠として扱うのではなく、その視覚的支援を監査することで、すでに生み出されたイエス/ノー回答を受け入れ、受け入れ、拒否する関係的な選択予測を定式化する。
リレーショナル・エビデンス・キャリブレーション・フレームワークであるRECAPは、クレームのイメージ条件付き可能性、セマンティックな矛盾、オプションの片側サポートを比較し、これらの証人を回答条件付き拒絶リスクに変換する。
キャリブレーションのみのゲートは、信頼が明白に情報化されている場合の拒否権として信頼を保ち、それ以外の場合、関係証拠を単独で展開する。
20個のグループ/イメージが分離された場合、RECAPはH-FPR@80をVSRの2.0から17.9ポイントで下げ、Qwen3-VL-8B、InternVL3.5-8B、LLaVA-1.5-7BのWhat'sUpでAcc@80を3.0、8.6、12.6ポイント上げる。
これは、VCDスタイルの視覚コントラストを、6つの設定で4つの主要なメトリクスすべてで上回っている。
フルプールVSRフォールバック、目標ランクGSR-Bench転送、等予算管理制御、および2つのチェックポイントは、一貫した動作原理を示している。
関連論文リスト
- The Mirage of Calibrated Confidence: Trajectory-Independence of Verbalized Confidence in Vision-Language Models [6.877967518594033]
校正されたビジョン・ランゲージ・モデル(VLM)は、何度も「待って、再確認すべきです」と自己修正し、間違った答えに到達し、依然として高い信頼を報告します。
VLM とキャリブレーション法では,言語的信頼度がほぼ無関係であることが判明した。
本稿では, トラジェクティブ・グラウンド・スコア(TGS-Grounding Score, TGS-self, TGS-pair, TGS-pairの2つの相補的な形式を提案する。
論文 参考訳（メタデータ） (2026-09-16T10:45:11Z) - Symmetry-Aware Likelihood-Orbit Aggregation for Selective Left-Right Claim Verification [14.108900142001628]
クローズド形式のコントラストであるRelation-Orbitを導入する。
VSRとGQAの4つの凍結された視覚言語モデルでは、Relation-Orbitは10%選択リスクキャリブレーションターゲットで平均テストカバレッジを高くする。
論文 参考訳（メタデータ） (2026-09-15T11:19:03Z) - HalluPrism: When Multimodal Uncertainty Should Diagnose, Not Decide [18.50218795316691]
本稿では,視覚的劣化,空白画像の置き換え,接地・関係チェックの後に回答を再実行する行動診断法であるHaluPrismを提案する。
これらのターゲットプローブは、視覚的摂動感度、画像除去された信頼性保持、グラウンドディング/リレーショナル-プローブ不安定性に対するシグネチャを与える。
論文 参考訳（メタデータ） (2026-08-29T11:06:37Z) - Claim-Level Confidence Calibration for Reliable Decision Making with Large Language Models [7.714704554667688]
大規模言語モデル(LLM)は、ハイテイクドメインにおける意思決定をますますサポートします。
LLMはしばしば、事実の正しさと不一致した自信を幻覚し表現する。
判定関連不確実性信号としてのクレームレベル信頼度校正について検討する。
論文 参考訳（メタデータ） (2026-08-23T16:09:54Z) - Model Confidence Under Answer-Preserving Attacks: An Informativeness-Manipulability Frontier [7.823454831927319]
コーディネートされた正当性ラベルアウェア攻撃は、60個のチャネルを配置した全ての細胞において、答えストリングフロアのそれ以下の敵の識別を誘導する。
したがって、信頼性は本質的に堅牢な監視信号というよりも、完全性に敏感である。
論文 参考訳（メタデータ） (2026-08-06T20:27:52Z) - SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。
自己検証を計算制御ポリシとして使用することを学ぶ。
マクロ平均精度は0.563で、平均で2.99回しか推測できない。
論文 参考訳（メタデータ） (2026-07-30T16:20:58Z) - Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。
ラベルを適用すれば依存性認定正当性(D-CC)が得られる
4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
論文 参考訳（メタデータ） (2026-07-29T15:55:31Z) - The Illusion of Certainty: Decoupling Capability and Calibration in On-Policy Distillation [67.26315138466312]
モデルロールアウトから経験的信頼性を推定するキャリブレーション対応のOPDフレームワークであるCaOPDを提案する。
本研究は, 能力蒸留が信頼性を示唆するものではないこと, 信頼性をポストトレーニングの本質的な目的として扱うべきであることを明らかにする。
論文 参考訳（メタデータ） (2026-04-18T04:43:40Z) - VI-CuRL: Stabilizing Verifier-Independent RL Reasoning via Confidence-Guided Variance Reduction [55.04308051033549]
RLVR(Reinforcement Learning with Verifiable Rewards)は、LLM(Large Language Models)推論を向上するための主要なパラダイムとして登場した。
モデル固有の信頼性を活用して外部検証から独立したカリキュラムを構築するフレームワークであるVerifier-Independent Curriculum Reinforcement Learning (VI-CuRL)を紹介する。
論文 参考訳（メタデータ） (2026-02-13T03:40:52Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。