跳到正文
arXiv · 机器人与计算机视觉· Md Abdul Kadir, Daniel Sonntag·· 2026-10-12AI 评分45

Qwen3-VL-8B-Instruct 视觉注意力头发现研究揭示源与任务对选择的影响

What Do Visual-Head Discovery Scores Actually Find? Attention Source, Necessity, and Random-Control Pitfalls in Vision-Language Models

AI 导读

针对 Qwen3-VL-8B-Instruct,研究发现注意力来源和查询类型比语料库更能重塑选出的头部,其中指代 + 查询跨度组合在必要性上显著优于其他配置。然而,该模型未发现具有特定可引导性的头部,其表现与随机匹配头部无差异。研究据此提出了一套报告视觉头部发现的标准化协议以规避评估陷阱。

来源:arXiv · 机器人与计算机视觉 · arxiv.org