arXiv 机器学习· Farid Hasanov, Riccardo Renzulli, Bahram Zonooz, Mykola Pechenizkiy, Decebal Constantin Mocanu·· 14 小时前AI 评分35
Dr. No：视觉语言模型弃权行为的特征导向方法
Dr. No: Feature Steering for Abstention in Vision-Language Models
AI 导读
研究提出 Dr. No，通过在 prefill 阶段调节稀疏自编码器（SAE）特征，无需重训即可引导视觉语言模型合理弃权。在 LLaVA-1.6 Mistral 7B 与 Qwen3.5-2B 测试中，该方法在 UNK-VQA 和 MM-UPD 上优于事后拒绝基线。其增益在图文不兼容及数学推理中显著，但在多跳问答 MuSiQue 上表现较为受限。
来源：arXiv 机器学习 · arxiv.org