阅读还是忽略？视觉语言模型中针对排版攻击的鲁棒性和文本识别的统一基准

本文介绍了一个统一的基准，用于评估视觉语言模型（VLM）对排版攻击的鲁棒性及其文本识别能力。 随着VLM变得越来越普遍，并在安全敏感的应用中使用，这是一个关键的研究领域。 该基准可能允许研究人员比较不同的模型并识别弱点。 关注鲁棒性和识别都很重要，因为一个模型需要在两个方面都表现良好才能真正可靠。