マルチモーダルAIの視覚とテキストの矛盾を評価する新ベンチマーク「SIGNPOST-Bench」

要点：画像とテキストの間に意図的な矛盾を含ませた5,111の反事実グループと25,555の画像バリエーションからなる、マルチモーダルLLMの評価用ベンチマークです。モデルが視覚情報とテキスト情報のどちらを優先し、どう判断するかを検証します。