arXiv cs.AI· Mathis Immertreu, Fitim Abdullahu, Thomas Kinfe, Claus Metzner, Helmut Grabner, Patrick Krauss, Achim Schilling·· 11 小时前AI 评分29
Qwen3-VL-8B-Instruct 中模拟视角的几何：表征与行为的分离
The Geometry of Simulated Perspectives: Dissociating Representation and Behaviour in a Multimodal Language Model
AI 导读
研究者在 Qwen3-VL-8B-Instruct 上用 100 张图像、53 种提示条件考察人格化视角下的视觉趣味性判断，发现表征几何随处理深度系统性重组：浅层主要编码图像身份，人格相关结构在深层才出现。提示词框架对内部表征的重塑强于人格身份本身，而人格内容对行为评分影响更大，二者出现分离；不改变回答的最小身份陈述也能改变表征，说明表征距离未必对应行为相关性。
正文 · AI 翻译
摘要：多模态语言模型可以模拟不同的观察者，但被赋予的视角如何重塑其内部表征，以及这些变化是否支配其判断，仍不清楚。在此，我们研究了 Qwen3-VL-8B-Instruct 中人格条件化视觉趣味性的表征几何。在 100 张图像和 53 种提示条件下，我们系统地改变人格内容以及用于引入该人格的语言框架，同时记录行为评分和逐层隐藏状态。我们观察到表征几何随处理深度发生系统性重组：早期层主要编码图像身份，而人格特定结构出现在较晚层。引人注目的是，提示框架对内部表征的重塑强于人格身份，而人格内容对行为判断的影响更大。这种分离进一步由最小身份陈述所说明，这些陈述即使不改变响应也会改变表征。这些发现表明，表征距离不一定反映行为相关性。更广泛地说，它们揭示了模拟视角如何作为人工认知系统表征空间中的独特结构而出现，突出了内部表征几何与其功能后果之间的根本区别。
| 评论： | 30 页，10 幅图，2 张表。代码：this https URL 数据：this https URL |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2611.08262 [cs.AI] |
| （或 arXiv:2611.08262v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.08262 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mathis Immertreu [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 16:36:49 UTC（1,135 KB）
来源：arXiv cs.AI · arxiv.org