多模態系統的整體分數可能掩蓋單一模態失效或跨模態推理錯誤。可靠性評估應同時檢查每種輸入的品質、模態缺失時的表現、跨模態對齊、答案是否能定位到輸入證據，以及在不同語言與文化資料上的差異。模型流暢度、感知辨識、推理能力與安全性必須分開測量。
思與行
- 建立單模態基準、模態遮蔽測試、反例測試與跨文化測試。
- 在報告中列出不同族群、語言與情境的錯誤類型，不只列總平均。
多模態系統的整體分數可能掩蓋單一模態失效或跨模態推理錯誤。可靠性評估應同時檢查每種輸入的品質、模態缺失時的表現、跨模態對齊、答案是否能定位到輸入證據，以及在不同語言與文化資料上的差異。模型流暢度、感知辨識、推理能力與安全性必須分開測量。