多模态模型学会拒绝无效绘图指令

统一多模态模型（UMM）现在可以识别无法完成的绘图指令并主动拒绝，而非强行生成错误图像。

此前，即使是最强的编辑模型，在面对逻辑上不可能实现的修改请求时，也仅有0.4%的概率选择拒绝，其余情况均会幻觉出图中不存在的物体或悄悄篡改需求。显式提示模型报告“不可行性”虽能提高拒绝率，但会牺牲正常编辑的准确率。

Chufan Shi等人提出的VisTA训练方法通过配对可行与不可行样本，让模型先生成判断再决定输出。其训练的VisTA-BAGEL模型在无额外提示下，对不可行请求的拒绝率达到93.0%，同时可行编辑完成率为74.3%，高于所有被评估的8个主流模型。

该结果基于作者自建的Draw-or-Decline基准测试，尚未经过第三方独立复现验证。