Med-R2：一个用于医疗视觉语言模型证据 grounding 推理的对抗性基准

视觉语言模型在通用医疗视觉问答中表现优异，但其预测是基于证据的临床推理还是依赖虚假先验尚不明确。本文提出 Med-R2 Bench，这是一个与临床工作流对齐的分层基准，旨在评估具有视觉 grounding 的对抗鲁棒性。通过设计分步问答任务，评估四个临床阶段中推理链是否严格基于视觉证据，并利用对抗扰动测试模型对误导线索的鲁棒性。实验表明，现有模型严重依赖提示猜测答案，难以准确对齐文本描述与视觉线索。此外，利用该分层数据进行分步微调可显著提升推理鲁棒性。