研究：多模态思维链忽略视觉证据，提出SCCM

Zujing Liu等作者测量大型视觉语言模型的多模态链式推理（MCoT）后发现，模型在视觉干预下预测几乎不变、在文本干预下则显著变化，说明视觉证据被大幅忽略。作者称，其自动评估指标从相关性与充分性两方面量化视觉线索，显示现有MCoT中的视觉信息既不相关也不充分。 针对这一问题，作者提出Sufficient-Component Cause Model（SCCM）学习方法，报道未给出该方法提升视觉忠实度的实测结果。

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。