arXiv cs.AI· Keyty Loza, Shayan Monadjemi·· 10 小时前AI 评分26
视觉数据面前，AI 智能体如何做决策？
How Do Artificial Agents Make Decisions in Light of Visual Data?
AI 导读
一项研究评估了由 VLM 驱动的 AI 智能体在视觉数据下感知不确定性与自主决策的表现。在测试模型中，GPT-4o 对饼图和柱状图中不确定性的感知准确率最高；当不确定性以圆形图、图标阵列或文本呈现时，智能体的决策与理性决策理论吻合度最佳。
正文 · AI 翻译
摘要：视觉语言模型（VLM）在基于视觉数据的推理方面已取得显著进展，这一点尤为重要，因为人类的大量知识以视觉形式编码在科学文章和其他来源中。然而，在理解由 VLM 驱动的人工智能体如何在存在视觉数据的情况下感知并应对不确定性下的决策方面，仍存在空白。本研究通过评估和分析自主决策过程来探讨这一空白。在可视化素养和决策理论已有工作的基础上，我们开展了两项互补研究：一项考察智能体如何感知和量化可视化中编码的不确定性，另一项研究人工代理如何基于图像形式的视觉数据做出决策。我们分析了各模型和可视化类型下的感知准确性和决策表现。结果表明，在测试的模型中，GPT-4o 在感知饼图和条形图中的不确定性方面表现出最高的准确性。在决策方面，当不确定性通过圆形图、图标阵列或文本表示时，自主智能体与理性决策理论的一致性最佳。
| 评论： | 发表于 GenAI、Agents 与 VIS 未来研讨会，该研讨会与 IEEE VIS 2026 联合举办 |
| 主题： | 人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2611.05671 [cs.AI] |
| （或使用 arXiv:2611.05671v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2611.05671 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shayan Monadjemi [查看邮箱]
[v1]
2026年11月3日星期二 21:58:10 UTC（609 KB）
来源：arXiv cs.AI · arxiv.org