SIGNPOST-Bench：다중모달 대형 모델 텍스트-시각 충돌 해소 새로운 벤치마크

SIGNPOST-Bench 面向多模态大模型的文本—视觉冲突消解评估，采用受控反事实设计，收录四个数据集中的5，111个反事实组及25，555个图像变体。

多模态模型需要同时处理文本与视觉信息。该论文聚焦两类信息发生冲突时的消解能力，并以受控反事实基准组织测试材料；现有材料未披露具体模型表现。

Aioga 判断，该基准的主要价值可能在于用成组反事实样本观察模型面对文本—视觉冲突时的响应差异，但仅凭摘要和正文摘录尚不能评价其难度、覆盖度或有效性。

值得关注的是，5，111个反事实组与25，555个图像变体为冲突消解测试提供了明确规模。其是否能推动模型比较或改进，仍需结合完整论文的方法、指标与实验结果判断。 后续应核对完整论文对四个数据集、反事实构造流程、评价指标及实验设置的说明，并查看是否报告不同多模态模型的结果；在这些信息确认前，不宜推断基准排名或模型优劣。