从“无”到“知”：多模态基础模型中否定理解的分类学、挑战与机遇
计算与语言
2025-02-17 v1 人工智能
摘要
否定作为一种表达缺失、否认或矛盾的语言构造，对多语言多模态基础模型构成重大挑战。这些模型在机器翻译、文本引导的生成、图像描述、音频交互和视频处理等任务中表现出色，但往往难以在不同语言和文化语境下准确地解释否定。在本篇视角论文中，我们提出了否定构造的综合分类学，阐述了结构因素、语义因素和文化因素如何影响多模态基础模型。我们呈现开放性研究问题并突出关键挑战，强调必须解决这些问题才能实现稳健的否定处理。最后，我们主张采用专门的基准测试、语言特定的分词方法、细粒度注意力机制以及先进的多模态架构。这些策略可培育更具适应性和语义精确性的多模态基础模型，使其更好地应对多语言、多模态环境中否定的复杂性。
引用
@article{arxiv.2502.09645,
title = {From No to Know: Taxonomy, Challenges, and Opportunities for Negation Understanding in Multimodal Foundation Models},
author = {Mayank Vatsa and Aparna Bharati and Surbhi Mittal and Richa Singh},
journal= {arXiv preprint arXiv:2502.09645},
year = {2025}
}