跳到正文
arXiv · 机器人与计算机视觉· Yu-Feng Yen·· 2 天前精选AI 评分78

零训练 LLM+OVOD 流水线中的归因缺口:CAAP-SNAP 差异细粒度分析

Attribution Gaps in Zero-Training LLM+OVOD Pipelines: A Fine-Grained Analysis of the CAAP--SNAP Discrepancy

AI 导读

该论文在 COCO-Val 全量数据集上分析了零训练大语言模型与开词汇检测器流水线的表现,发现定位准确率下降主要源于词汇新颖性导致命名对象超出标注类别范围,而非模型幻觉或视觉复杂度问题。研究证实了该现象具有通用性,并修正了前版计算误差,为开放世界多模态系统的评估与设计提供了关键依据。

推荐理由

研究发现零训练流水线中定位与语义的差距主要源于标注类别限制而非模型幻觉,为评估开放世界系统提供了新视角。

来源:arXiv · 机器人与计算机视觉 · arxiv.org