一种基于重复输出的多模态大模型可用性评估方法

本发明涉及人工智能技术领域，提供了一种基于重复输出的多模态大模型可用性评估方法、电子设备及存储介质。针对现有技术中因对生成过程持续控制不足导致极端输出能力不稳定（即无法稳定触发最大输出长度）及复杂损失函数引发单样本效率低下和规模化测试受限问题，本发明在原始图像添加微小扰动（通过投影梯度下降算法优化目标字符序列输出概率并满足幅度约束），形成扰动图像；将原始文本与扰动图像组合为测试样本输入多模态大模型，诱导其自回归生成持续输出目标序列直至预设最大长度，实现重复输出循环；记录输出长度、硬件能耗及推理时长，并与未加扰动原始样本对比评估可用性。该方法有效提升稳定性与效率，支持规模化测试。