研究：视频LLM计数失败源于读出环节

Dongwu Qian 提交的预印本论文提出，视频大模型数不清物体穿越屏幕的次数，原因不是缺少客体永久性，而是计数信号已经存在却未被读出。 该研究用线性探针逐窗口解码物体是否存在，准确率达 93%；但解码全局计数时，结果却坍缩为时长混淆。论文据此将问题定位在读出环节，并称已诊断并修复这一读取故障。 此前，这类计数失败被归因于模型缺失客体永久性；新论文对这一归因提出不同解释。相关结论来自预印本，尚未经过同行评审。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。