视觉大模型 / VLM - arXivDaily 专题

2607.06485 2026-07-08 cs.CV cs.AI 新提交 89%

AirflowAttack: Thermal-Airflow Adversarial Perturbations against Infrared Remote-Sensing Vision-Language Models

AirflowAttack：针对红外遥感视觉语言模型的热气流对抗扰动

Cong Su, Jiaju Han, Xuemeng Sun, Chengyin Hu, Qike Zhang, Jiujiang Guo, Yiwei Wei, Jiahuan Long

机构 * China University of Petroleum-Beijing at Karamay（中国石油大学（北京）克拉玛依校区）； Tianjin University（天津大学）； Shanghai Jiao Tong University（上海交通大学）

专题命中幻觉与鲁棒性：VLM(summary_cn,abstract)；vision-language model(title,abstract)；分类 cs.CV、cs.AI

AI总结研究针对红外遥感视觉语言模型的对抗攻击，提出AirflowAttack方法，用热气流湍流作扰动先验，由轻量级生成器合成扰动。该方法在多个CLIP主干上攻击成功率高，能降低模型场景分类准确率，还揭示了红外VLM生态系统的关键漏洞。

2605.18419 2026-07-08 cs.CV cs.AI 版本更新 79%

Geometry-Aware Uncertainty Coresets for Robust Visual In-Context Learning in Histopathology

面向几何的不确定性聚类用于病理学中鲁棒的视觉上下文学习

Franciskus Xaverius Erick, Johanna Paula Müller, Bernhard Kainz

机构 * FAU Erlangen-Nürnberg, Erlangen, DE（埃尔兰根-纽伦堡大学）； Department of Computing, Imperial College London, London, UK（伦敦帝国理工学院计算机系）

专题命中幻觉与鲁棒性：VLM(abstract,abstract_cn)；vision-language model(abstract)；分类 cs.CV、cs.AI

AI总结本文提出GAUC，一种无需训练的聚类选择方法，直接在预训练的多模态嵌入空间中操作，通过优化三个目标提升视觉上下文学习的鲁棒性、准确性和校准性。

2607.05783 2026-07-08 cs.CV 新提交 70%

Benchmarking the Robustness of Autonomous Driving to Environmental Illusions: A Lane Perception Perspective

从车道感知角度评估自动驾驶对环境错觉的鲁棒性：基准测试

Tianyuan Zhang, Xianglong Liu, Aishan Liu, Lu Wang, Yitong Zhang, Peng Yue, Mingchuan Zhang, Siyuan Liang, Dacheng Tao

机构 * SKLCCSE, the School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院软件安全技术与工程北京市重点实验室）； the School of Cyber Science and Technology, Sun Yat-sen University（中山大学网络空间科学与技术学院）； Henan University of Science and Technology（河南科技大学）； the School of Computing, National University of Singapore（新加坡国立大学计算学院）； College of Computing & Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院）

专题命中幻觉与鲁棒性：vision-language model(abstract)；visual question answering(abstract)；分类 cs.CV

AI总结研究自动驾驶对环境错觉的鲁棒性，聚焦传统车道检测和视觉语言模型系统。引入基准LanEvil++并评估，发现错觉严重影响性能，阴影干扰最大。提出多模态错觉防御方法MIDA，有效提升了模型在挑战性条件下的鲁棒性。

Comments Accepted by IEEE TPAMI 2026

2607.06196 2026-07-08 cs.CL cs.CY 新提交 67%

Pluralis v0.1: Towards a Multicultural, Multimodal, Multilingual Benchmark for AI Risk and Reliability

Pluralis v0.1：迈向用于人工智能风险与可靠性的多元文化、多模态、多语言基准测试

Alicia Parrish, Rajat Shinde, Sanket Badhe, Xinyi Bai, Sree Bhargavi Balija, Hua-Rong Chu, Emilio Ferrara, Armstrong Foundjem, Rajat Ghosh, Aakash Gupta, Xuanli He, Ong Chen Hui, Minji Jung, Madhangi Karimanal, Faiza Khan Khattak, Boryoung Kim, Eugenia Kim, Liliya Lavitas, Seok Min Lim, Victor Lu, Jim Moirangthem, Dhivya Nagasubramanian, Deepak Pandita, Sita Rajagopal, Geetha Raju, Evgeniia Razumovskaia, Aravind Reddy, Federico Ricciuti, Nobin Sarwar, Sungpil Shin, Sunayana Sitaram, Snehal Thorat, Tharindu Cyril Weerasooriya, Jasmijn Bastings, Joachim Baumann, Kongtao Chen, Murali Emani, Mariya Hendriksen, Jiho Jin, Jun Seong Kim, Younghoon Ko, Alicja Kwasniewska, Minjae Lee, Tom Wei-cyuan Lin Kashyap Ramanandula Manjusha, Junho Myung, Junyeong Park, Roma Patel, Shyam Ratan, Sudarsun Santhiappan, Priyanka Suresh, Tuesday, Ksheeraj Sai Vepuri Laura Amortegui-Ordonez, Claire Dennis, Minsuk Kahng, Chris Knotz, Alice Oh, Balaraman Ravindran, Soojung Ryu William Bartholomew, Hiwot Tesfaye, Lora Aroyo

机构 * Google DeepMind（谷歌DeepMind）； University of Alabama in Huntsville（阿拉巴马大学亨茨维尔分校）； Google（谷歌）； University of Missouri Columbia（密苏里大学哥伦比亚分校）； Chunghwa Telecom Laboratories（春木电信实验室）； University of Southern California（南加州大学）； Polytechnique Montreal（蒙特利尔理工学院）； Nutanix ； ThinkEvolve Labs（ThinkEvolve实验室）； UCL（伦敦大学学院）； Infocomm Media Development Authority（信息通信媒体发展局）； Monark Health（Monark健康）； Seoul National University（首尔国立大学）； Microsoft（微软）； Centre for Responsible AI (CeRAI), Wadhwani School of Data Science and AI (WSAI), Indian Institute of Technology Madras（负责任人工智能中心（CeRAI）、瓦达威人工智能学校（WSAI）、印度理工学院马德拉斯分校）； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）； Microsoft Research India（微软印度研究院）； Stanford University（斯坦福大学）； Argonne National Laboratory（阿贡国家实验室）； University of Oxford（牛津大学）； KAIST（韩国科学技术院）； Yonsei University（延世大学）； Amazon（亚马逊）； UIUC（伊利诺伊大学香槟分校）； Rochester Institute of Technology（罗切斯特理工学院）； Xenoscube Inc.（Xenoscube公司）； Korea AI Safety Institute (K-AISI)（韩国人工智能安全研究所（K-AISI））； MLCommons ； CommonGround ； Artifex Labs（Artifex实验室）

专题命中幻觉与鲁棒性：vision-language model(abstract)；VLM(abstract)

AI总结研究针对现有AI安全评估框架忽视文化差异问题，构建多语言多模态数据集Pluralis v0.1，从文化优先视角引入新评估范式，提出Judge - Pluralis集成，揭示特定地区失败模式，为多语言多元文化评估提供基础和创新起点。

2607.06495 2026-07-08 cs.CL cs.AI cs.LG stat.AP 新提交 62%

Pitwall: Faithful Natural-Language Race-Strategy Briefings from a Calibrated Real-Time Monte Carlo Engine

Pitwall：来自校准实时蒙特卡罗引擎的可靠自然语言赛车策略简报

Juan S. Santillana

机构 * Independent Researcher（独立研究者）

专题命中幻觉与鲁棒性：grounding(abstract)；分类 cs.AI、cs.LG

AI总结研究针对体育赛事直播评论生成问题，提出Pitwall系统，将忠实性作为架构属性，通过概率性比赛状态验证声明，控制微调数据，使用校准的蒙特卡罗引擎，实现端到端操作，确保生成的自然语言赛车策略简报可靠。

Comments 21 pages, 2 figures, 6 tables. Live-deployment results from the 2026 Austrian and British Grands Prix. URL: https://pitwall.jsantillana.com

2607.06356 2026-07-08 eess.IV cs.CV 新提交 61%

TMF-RSE: Tri-Modal Fusion with Regional Semantics and Evidential Uncertainty for Lung Severity Scoring

TMF-RSE：用于肺部严重程度评分的具有区域语义和证据不确定性的三模态融合

Fadi Abdeladhim Zidi, Salah Eddine Bekhouche, Abdellah Zakaria Sellam, Gaby Maroun, Fadi Dornaika, Cosimo Distante

机构 * Institute of Applied Sciences and Intelligent Systems (ISASI), CNR（应用科学与智能系统研究所（ISASI），CNR）； Department of Computer Science and Artificial Intelligence, University of the Basque Country (UPV/EHU)（巴斯克国家大学计算机科学与人工智能系）； University of Salento（萨莱nton大学）

专题命中幻觉与鲁棒性：vision-language model(abstract)；分类 cs.CV；VLM(comments)

AI总结针对从胸部影像量化肺部疾病严重程度的问题，提出TMF-RSE框架，结合多模态特征，采用互补融合机制和证据回归，在相关数据集实验中性能优于基于Transformer的基线。

Comments 6 pages, 2 figures, 5 tables. IEEE conference format (IEEEtran). Submitted to AVSS 2026. Tri-modal fusion for lung severity scoring using appearance, segmentation, and VLM semantics with evidential uncertainty

2605.14152 2026-07-08 cs.CL cs.AI cs.CR cs.CY 版本更新 57%

ROK-FORTRESS: Measuring the Effect of Geopolitical Transcreation for National Security and Public Safety

ROK-FORTRESS：衡量地缘政治转译对国家安全和公共安全的影响

Michael S. Lee, Yash Maurya, Drew Rein, Bert Herring, Jonathan Nguyen, Kyungho Song, Udari Madhushani Sehwag, Jiyeon Cho, Kaustubh Deshpande, Yeongkyun Jang, Jiyeon Joo, Minn Seok Choi, Evi Fuelle, Christina Q. Knight, Joseph Brandifino, Max Fenkell

机构 * Scale AI

专题命中幻觉与鲁棒性：grounding(abstract)；分类 cs.AI

AI总结本文提出ROK-FORTRESS基准，通过英韩语言对和美韩地缘政治轴，评估语言与地缘政治交互对国家安全的影响，发现韩语版本存在压制效应，且模型间表现差异显著。

Comments 16 pages main text + appendix (74 pages total), 4 figures and 2 tables in main text; dataset at https://huggingface.co/datasets/ScaleAI/ROK-FORTRESS_public

1. 幻觉与鲁棒性 7 篇