当零射手作弊时：通过激活指导改进年龄估计

人们提出了不同的与年龄相关的法规，以保护未成年人免受网上有害内容和互动的影响。自动年龄估计是执行此类法规的核心，而视觉语言模型 (VLM) 在这项任务上实现了最先进的性能。然而，我们发现基于 VLM 的年龄估计的零样本性质会产生意想不到的副作用，我们称之为身份快捷方式：VLM 倾向于识别所描绘的人并根据记忆的知识推断其年龄，而不是根据视觉特征估计年龄。当非名人被错误地识别为名人时，这种现象会导致严重错误的预测。它还对名人图像的噪声和对抗性扰动产生了看似高的鲁棒性，这些在流行的基准中占主导地位。为了缓解这个问题，我们提出了一种激活引导方法，通过干预 VLM 的隐藏状态来抑制捷径。该方法提高了记忆和未见过的身份的年龄估计准确性，在流行的基准测试中将平均绝对误差降低了高达 25%。