arXiv · 机器人与计算机视觉· Mohamed Rayan Barhdadi, Syed Talal Wasim, Juergen Gall, Erchin Serpedin, Hasan Kurban·· 9 天前AI 评分72
感知而非推理限制了视觉心理理论:一项关于 VLM 在抽象面板与自然场景中的评估
Perception, Not Reasoning, Limits Visual Theory of Mind
AI 导读
该论文指出视觉语言模型(VLM)在处理视觉呈现的信念推理任务时表现显著下降,主要瓶颈在于感知前端无法追踪主体在场状态及存在现实偏差,而非缺乏推理模块。研究提出五条件解离协议与感知贡献比指标,在抽象二维面板和自然主义三维游戏场景中测试了七种 VLM 模型约 15.9 万次 API 调用。
来源:arXiv · 机器人与计算机视觉 · arxiv.org