Il dataset MISID rivela le carenze dei MLLM nel riconoscimento di intenti strategici complessi

Il dataset MISID, recentemente lanciato, mira ad affrontare la difficoltà di interpretare l'intento umano durante interazioni complesse a più turni. Originario da giochi di strategia sociale ad alto rischio, questo dataset multimodale include più partecipanti e impiega un sistema di annotazione dettagliato a due livelli e multidimensionale per analizzare discussioni a lungo contesto e tracciare evidenze causali. È stato pubblicato su arXiv con l'identificatore arXiv:2604.12700v1. Le valutazioni dei Modelli Linguistici Multimodali di Grandi Dimensioni (MLLM) avanzati utilizzando MISID hanno rivelato carenze significative nella gestione di scenari complessi, come allucinazioni visive basate su testo e ragionamento cross-modale difettoso. A differenza dei tradizionali dataset per il riconoscimento degli intenti che si concentrano su dialoghi semplici, questo dataset cattura le interazioni strategiche elaborate tipiche delle situazioni del mondo reale.