研究：文本人设难让视觉模型模拟真实感知

1. 12:00
   arXiv cs.AI

   研究：文本人设难让视觉语言模型像所描述的人那样“看”

   研究对比了视觉语言模型在文本人设下的回答与低视力、色盲或听障人群的实际测量结果，发现人设从未优于仅使用人设所述事实的简单规则，还抹平了群体与个体间的真实差异。在测试的全部 14 个模型中，描述“模糊”均未改变识别表现，而实际模糊照片会像对人一样降低识别率。模型能估计模糊和错觉对人的影响，却无法在回答中体现这些效果。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。