跳到正文
arXiv · 机器人与计算机视觉· Yonatan Gideoni, Yoav Gelberg, Tim G. J. Rudner, Yarin Gal·· 2026-10-20AI 评分43

表征不对齐导致视觉语言模型失效研究

Persistent Representational Misalignment Induces Vision-Language Model Failures

AI 导读

现有视觉与语言表示存在线性不可对齐的固有属性,单纯增加规模无法消除这种表征失配。该失配会引发可预测的泛化失败,且与已知故障模式高度相关。实验表明,表征更对齐的 VLM 骨干网络相应表现出更少的任务失效。

来源:arXiv · 机器人与计算机视觉 · arxiv.org