arXiv · 机器人与计算机视觉· Yin Liu·· 10 天前AI 评分58
Seeing vs. Counting:复杂度孪生揭示多模态大模型在图表任务中的失效点
Seeing vs. Counting: Complexity Twins Show Where Multimodal LLMs Fail on Diagrams
AI 导读
该研究针对多模态大模型在图表计数任务中混淆视觉密度与算法难度的问题,设计了基于跨度树和简单路径的复杂度孪生测试集。实验表明 Gemini 等模型主要受答案数值大小而非计算复杂度影响,且存在单视图漏检水平边的阅读瓶颈;提供代码转录后,结合旋转副本读取可将大网格精确计数率从 59%提升至91%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org