跳到正文
arXiv · 机器人与计算机视觉· Chen Peng, Shan Huang, Jianbo Huang, Linrui Qin, Qibo Sun, Mengwei Xu·· 2026-10-12AI 评分73

当 MLLM 错过人类能读出的文字:诊断并学习阅读‘眯眼文本’

When MLLMs miss what humans read: diagnosing and learning to read squint text

AI 导读

该研究针对多模态大模型无法识别图像中嵌入在粗糙结构里、人类通过眯眼才能恢复的文本(Squint Text)这一缺陷,构建了包含 1076 张生产环境图片的 SquintBench 基准和用于机制诊断的合成套件 SquintCtrl。

来源:arXiv · 机器人与计算机视觉 · arxiv.org