2025年多模态幻觉抑制效果评估习题(含答案与解析).docxVIP

2025年多模态幻觉抑制效果评估习题(含答案与解析)

一、选择题（每题3分，共30分）

1.多模态幻觉抑制效果评估中，以下哪项指标最能反映跨模态信息的语义一致性？

A.文本-图像匹配准确率（TIR）

B.幻觉置信度得分（HCS）

C.跨模态熵（CME）

D.时间序列连续性误差（TCE）

2.针对自动驾驶场景的多模态幻觉抑制评估，需重点关注以下哪类数据？

A.静态街景图像与文本标签

B.动态激光雷达点云、摄像头视频与导航文本

C.用户对话中的意图与上下文

D.医学影像的像素级标注与诊断报告

3.以下哪种方法不属于多模态幻觉的“后处理抑制”技术？

A.基于外部知识库的事实校验模块

B.跨模态对齐损失函数优化

C.提供内容的多模态一致性投票机制

D.预训练模型的幻觉置信度阈值过滤

4.评估多模态模型在医疗诊断场景的幻觉抑制效果时，核心指标应优先考虑：

A.提供报告的文本流畅度

B.影像特征与诊断结论的逻辑关联度

C.多模态输入的处理速度

D.不同模态输入的噪声鲁棒性

5.2025年提出的“MM-HallucinationScore（MMHS）”计算公式为：

MMHS=(1α)×TIR+α×(1CMR)

其中α为权重参数，TIR为文本-图像匹配准确率，C