# Flattery in Motion: Benchmarking and Analyzing Sycophancy in Video-LLMs

### 저자

Wenrui Zhou, Mohamed Hendy, Shu Yang, Qingsong Yang, Zikun Guo, Yuyu Luo, Lijie Hu, Di Wang

### 💡 개요

본 논문은 실제 적용에서 신뢰성이 중요한 비디오 대규모 언어 모델(Video-LLMs)의 '아첨(sycophancy)' 현상, 즉 시각적 증거와 상반되는 사용자 입력에 동조하는 경향을 다룹니다. 연구진은 이러한 현상을 체계적으로 평가할 벤치마크가 부재하다는 문제점을 지적하며, 최초로 비디오 도메인에 특화된 'VISE' 벤치마크를 제안합니다. VISE는 다양한 질문 형식, 프롬프트 편향, 시각적 추론 과제 전반에 걸쳐 최신 Video-LLM의 아첨 행태를 평가하며, 언어학적 관점을 도입하여 세밀한 분석을 가능하게 합니다.

### 🔑 시사점 및 한계

- Video-LLM의 신뢰성 확보를 위한 '아첨' 현상에 대한 체계적인 분석 및 평가의 중요성을 제시합니다.

- 비디오 도메인에 특화된 최초의 아첨 벤치마크 'VISE'를 제안함으로써, 향후 관련 연구 발전에 기여할 수 있습니다.

- 해석 가능한 키 프레임 선택 및 내부 신경 표현 조정을 통한 훈련 없이 아첨 편향을 완화할 수 있는 두 가지 잠재적 전략을 제시합니다.

- 제안된 아첨 완화 전략의 실질적인 효과성 및 일반화 가능성에 대한 추가적인 검증이 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2506.07180)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).
