深度分析 VisDeception 基準揭露 VLM 對欺騙性圖表高度脆弱，多智能體防禦框架有效降低錯誤 視覺語言模型（VLM）在分析圖表時，容易受到軸線截斷、反轉、比例扭曲、色彩誤導等欺騙性設計影響，導致錯誤解讀。為系統性評估此漏洞，研究團隊提出 VisDeception 基準，包含 1,600 組配對圖表（忠實 vs 誤導），涵蓋八類欺騙策略。他們並引入「欺騙分數」指標，區分因欺騙導致的錯誤與一般圖表理解錯誤。
