arXiv cs.AI· Fengxian Ji, Jingpu Yang, Fan Zhang, Junhong Liang, Qian Jiang, Yuke Li, Jinri Guo, Rongxin Zhu, Zhuohan Xie·· 1 天前AI 评分31
交易价格能反映视觉偏好吗？基于多模态语言模型的诊断性研究
Do Transaction Prices Reflect Visual Preference? A Diagnostic Study with Multimodal Language Models
AI 导读
研究提出 MarketImage 诊断框架，用 266 组六图对比集与交易价格检验多模态语言模型能否恢复人类视觉偏好信号。仅 24.2% 图像对存在非并列价格方向，其中 34.7% 与人类多数判断一致；该区域内 HPSv2 以 66.4% Recoverable Accuracy 领先，Qwen 的预算与聚合变体落后于基线，GPT 接口提升在统计上未定论。
正文 · AI 翻译
摘要：现有的视觉偏好评估依赖于昂贵的人工标注或偏好奖励模型，而在线市场交易价格易于获取且反映真实购买行为，提供了潜在的低成本监督信号。然而，交易价格将视觉偏好与非视觉因素（如来源、需求和竞争）混为一谈，使得总体准确率不足以区分模型错误、不可靠的价格信号和协议混杂因素。为应对这一可识别性挑战，我们提出了 MarketImage，一个诊断框架，用于识别交易价格何时反映视觉偏好、在何处失效，以及多模态语言模型能否恢复人类支持的视觉偏好信号。MarketImage 包含三个组成部分：(i) MarketImageArt，266 个六图比较集，附带交易价格和价格盲人类排名；(ii) MarketImageLens，一种保留平局的协议，将 3,990 个组内图像对划分为价格-人类一致、冲突和价格平局区域，同时单独审计呈现顺序效应；(iii) MarketValuator，六种引导方法，涵盖直接比较、独立评分、预算约束和多智能体聚合，用于评估静态视觉评分器和三个多模态语言模型的信号恢复能力。实验表明，仅 24.2% 的图像对具有非平局价格方向，其中 34.7% 与人类多数意见一致。在该区域内，HPSv2 以 66.4% 的可恢复准确率领先；Qwen 的预算和聚合变体落后于基线，而 GPT 接口增益在统计上尚未确定。因此，交易价格仅在有限条件下编码可恢复的视觉偏好，应被视为不确定的代理指标而非真实基准。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.41358 [cs.AI] |
| （或 arXiv:2610.41358v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41358 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Fengxian Ji [查看电子邮件]
[v1]
2026年10月30日星期五 07:21:39 UTC（13,424 KB）
来源：arXiv cs.AI · arxiv.org