时空迎合：基于否定的视频大语言模型中的负面情绪操纵
计算机视觉与模式识别
2026-04-21 v1
摘要
视频大语言模型（Vid-LLMs）在视频理解任务中展现了卓越的性能，但在对话交互情境下的鲁棒性仍 largely 未被充分探讨。本文识别了时空迎合（spatiotemporal sycophancy）这一失效模式，即 Vid-LLMs 在否定性气谄言（negation-based gaslighting）下，撤回最初正确且基于视觉的判断，迎合误导性用户反馈。模型不仅仅是改变答案，往往会制造不被支持的时空解释来为错误的修订辩护。为系统性地研究这一现象，本文提出了基于否定的气谄言评估框架，构建了 GasVideo-1000 基准数据集，以探测时空迎合现象，确保其具备清晰的视觉 grounding 与时序推理要求。我们评估了广泛的开源和专有 Vid-LLMs 在多样化视频理解任务中的表现。大量实验表明，面对否定性气谄言的脆弱性普遍且严重，即便是基线性能强的模型亦然。虽然 prompt 级的 grounding 约束可部分缓解此行为，但无法可靠地防止幻觉化的正当化或信念逆转。我们的结果表明，当前的 Vid-LLMs 在面对对抗性对话反馈时，缺乏维持基于时空信念的鲁棒机制。
引用
@article{arxiv.2604.17873,
title = {Spatiotemporal Sycophancy: Negation-Based Gaslighting in Video Large Language Models},
author = {Ziyao Tang and Pengkun Jiao and Bin Zhu and Huiyan Qi and Jingjing Chen and Yu-Gang Jiang},
journal= {arXiv preprint arXiv:2604.17873},
year = {2026}
}