统一多模态模型的视觉拒答能力研究

研究提出视觉拒答（visual abstention）任务，要求统一多模态模型在请求的视觉变换违反任务规则时识别无解并拒绝生成。论文发布 Draw-or-Decline（DoD）基准，含 1,050 对可行/不可行请求、覆盖 7 类任务；评测 8 个 UMM 显示，最强编辑器编辑准确率 68.4%，却仅拒绝 0.4% 的不可行请求。