【免费下载链接】WeVisOne-VLWeVisOne-VL is a powerful VLM by the WeChat Vision Team at Tencent, unifying object-level and pixel-level perception from points and boxes to masks and alpha mattes.项目地址https://gitcode.com/gh_mirrors/we/WeVisOne-VL点击查看免费下载WeVisOne-VL 是腾讯微信视觉团队WeChat Vision Team开源的视觉-语言基础模型统一了目标检测、计数、OCR 与分割抠图等任务。与其他找不到也硬答的模型不同它内置了可靠拒识机制当查询目标在图中不存在时会明确返回None即无而不是编造一个错误答案。本文将揭秘这套拒识机制的设计原理、数据来源与评测方法。什么是拒识为什么 VLM 容易一本正经地胡说拒识Rejection / Refusal指的是模型在不知道答案时主动承认目标不存在而不是强行输出。传统 VLM 的一大痛点是幻觉你问图中有红色消防车吗即使图片里根本没有模型也可能画出一个方框。这在自动化检测、内容审核等场景里会直接造成误报。因此敢说自己不知道反而成了一种关键能力。WeVisOne-VL 将这一点作为核心特性写入项目介绍可靠拒识目标不存在时返回None而不是产生幻觉见 README.md统一任务格式一个None解决目标不存在WeVisOne-VL 把几乎所有视觉任务都写成结构化文本输出这是拒识机制的基础框和点用坐标 token0…1000表示归一化坐标目标不存在直接输出None像素级输出掩码/抠图每个框后追加一个OBJtoken交由轻量像素解码器处理。这个设计非常巧妙回答无与回答框共用同一套 next-token prediction 流程模型不需要额外的分类头或阈值判断拒识只是词汇表里一个普通的输出选项天然稳定且零额外开销。从源码可以看得更清楚。推理引擎在 wevisone_vl/engine.py 中通过parse_seg_boxes解析坐标 token只有解析出合法框时boxes列表才会有内容而 wevisone_vl/prompts.py 定义了各任务的标准指令例如指代定位的提示为Locate the instances that match the following description: 你的描述模型若判断目标不存在回答就是None最终InferenceResult.boxes为空列表——拒识在代码层面被干净地表达为零预测。数据引擎让模型学会没有就是没有拒识能力不是靠后处理规则硬约束的而是训练时学出来的。WeVisOne-VL 的数据引擎Data Engine基于知识图谱驱动发现概念、用互补专家模型定位、再由 VLM 交叉验证超过 1 亿张图片按此流程完成标注。关键在于由于概念是由知识图谱发现的图中真实不含某概念的样本天然构成了大规模、高质量的负样本。模型在训练阶段反复见到这个描述在这张图里就是找不到的配对从而学会把None作为合理答案。数据细节可参考 scripts/stage_release_checkpoint.py 中关于发布检查点的架构说明。拒识效果有多强96.4% 拒识率是怎么测出来的项目自带完整评测流水线evaluation/README.md拒识率由多个专门的负样本基准衡量基准拒识场景最佳基线WeVisOne-VL-4BWeRef-Bench指代描述无目标73.0%96.4%RefCOCOg-rej-val11490 条rejected_exp描述保证无目标15.2% ~ 70.7%67.4%RefCOCOg RejRef-ZOM (zero)指代分割中目标数量为 00.3% ~ 41.9%86.0%其中 PR-Bench 的task_type reject行与 RefCOCOg-rej 的rejected_exp字段都是专门构造的必无目标查询准备逻辑见 evaluation/prepare/referring/README.md。拒识率的计算非常直观——在 evaluation/metrics/other_metric.py 中# 无目标样本中模型零预测的比例 result[rejection_rate] sum(sample.num_pred 0 for sample in absent) / len(absent)目标不存在且模型没输出任何框 → 记一次成功拒识。96.4% 意味着每 100 次找不存在的东西的查询中它 96 次会诚实回答无。如何在实际调用中确认无的结果调用侧无需任何特殊处理只需检查boxes是否为空result model.predict(image, taskreferring, query红色的消防车) if not result.boxes: print(图中不存在该目标) # 模型回答 None这一文本回答 结构化解析的拒识设计也适用于计数0 个与分割抠图空掩码等所有任务行为一致、易于下游程序化处理。小结 WeVisOne-VL 的拒识机制可以概括为三点格式统一None是统一任务词汇表的一部分与坐标 token 平级推理零额外开销数据驱动知识图谱数据引擎天然产出海量目标不存在的负样本能力是训练出来的而非规则兜底可量化借助 WeRef-Bench、PR-Bench、RefCOCOg-rej 等基准拒识率从基线 73% 提升到 96.4%成为可比较、可复现的硬指标。对于需要不幻觉的视觉定位、内容审核与自动化检测场景这种可靠地回答无的能力往往比更高的检测精度更值钱的。赞分享【免费下载链接】WeVisOne-VLWeVisOne-VL is a powerful VLM by the WeChat Vision Team at Tencent, unifying object-level and pixel-level perception from points and boxes to masks and alpha mattes.项目地址https://gitcode.com/gh_mirrors/we/WeVisOne-VL点击查看免费下载相关推荐为什么它会拒绝回答揭秘gemma-4-12b-constraintkit的诚实拒绝机制与能力边界自认知为什么它会拒绝回答揭秘gemma 4 12b constraintkit的诚实拒绝机制与能力边界自认知 gemma 4 12b constraintkit 是为什么 AI 会拒绝执行任务Axe 拒绝检测机制揭秘为什么 AI 会拒绝执行任务Axe 拒绝检测机制揭秘 Axe 是一个轻量级 CLI 工具用于运行单一用途的 AI Agent用 TOML 定义、随处触HackerAI为什么敢做安全任务揭秘abliteration模型路由与AI拒答破解机制HackerAI为什么敢做安全任务揭秘abliteration模型路由与AI拒答破解机制 HackerAI 是一款 AI 驱动的渗透测试助手。它为什么敢直接执上一篇RedPanda-CPP轻量级C/C IDE架构解析与性能优化对比下一篇EmulatorJS 上手指南浏览器里的复古游戏模拟器一段嵌入代码就能跑创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考