**Tri-PvP：揭示全模态大模型在感知—命题证据冲突下的模态偏置**

_Tri-PvP: Exposing Modality Bias in Omni-Modal Large Language Models through Perceptual-Propositional Evidence Conflicts_

> 针对全模态大模型在跨模态冲突中模态偏置难以归因的问题，研究者提出 Tri-PvP 基准，包含 8000 个覆盖视觉、音频、文本的三模态冲突样本，并将视觉与音频分别以感知形式（如图像/录音）或命题形式（如“这是一只狗”的陈述）呈现。评估五个全模态模型后发现：多数模型与证据类型条件下均存在稳定的视觉偏置，且证据形式偏置呈现系统性不对称——视觉上更偏向感知信号，音频上更偏向命题信号。层级线性探测与对比解码进一步表明，模态偏置在早期表示层即可被线性解码，且仅能部分缓解，说明需要超越表层干预的缓解策略。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-23 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.06011)