arXiv · 机器人与计算机视觉· Yue Zhang, Zun Wang, Han Lin, Yonatan Bitton, Idan Szpektor, Mohit Bansal·· 2026-10-07精选AI 评分82
看见不等于知道:VLM 何时不该回答空间问题(及原因)
Seeing Isn't Knowing: Do VLMs Know When Not to Answer Spatial Questions (and Why)?
AI 导读
本文介绍 SPATIALUNCERTAIN 框架,评估八个视觉语言模型对遮挡和透视导致的观测不确定性识别能力。研究发现模型行为未随证据可靠性变化而调整,存在投影关系易得但物理三维关系难解码的表征不对称,且提示或微调无法完全解决此类问题。
推荐理由
该研究揭示了 VLM 在空间推理中忽视观测可靠性的缺陷,指出单纯微调无法解决视角冲突下的判断偏差。
来源:arXiv · 机器人与计算机视觉 · arxiv.org