跨模態一致性

深度分析

利用合成 OOD 的 Semantic Flip 提升具身 AI 的拒絕機制與跨模態一致性

隨著具身代理人在日常環境中被廣泛部署，偵測無法回答的查詢變得關鍵。Semantic Flip 透過獨立擾亂問題或影像記憶合成 OOD 樣本，訓練輕量拒絕模組，無需外部標註。實驗在 AbstainEQA 與 SpaceReject 基準上分別取得 0.7110 與 0.9559 的 F1 成績，顯示合成資料可提升拒絕能力。