跳到正文
arXiv · 机器人与计算机视觉· Jiawei Chen·· 20 天前AI 评分68

Telling Is Not Seeing:文本人设极少让视觉语言模型像其所描述的人那样作答

Telling Is Not Seeing: Textual Personas Rarely Make Vision-Language Models Answer Like the People They Describe

AI 导读

该论文研究视觉语言模型(VLM)使用“低视力”等文本人设是否能使其像所描述的人群一样感知。实验对比了 14 个模型的 persona 回答与真实低视力、色盲或听力受损人群的结果,发现 persona 从未胜过仅基于事实的简单规则,且抹平了群体差异。

来源:arXiv · 机器人与计算机视觉 · arxiv.org