arXiv · 机器人与计算机视觉· Yingxin Jia, Hui Geng, Wenxin Yang, Mohan Zhang·· 29 天前AI 评分54
Give the Model a Finger:VLM 计数的发育对齐评估
Give the Model a Finger: Developmentally Aligned Evaluation of Counting in Vision-Language Models
AI 导读
这篇论文提出了一种无需训练的代理循环,通过给视觉语言模型(VLM)提供‘手指’标记等工具来模拟儿童的认知行为,以评估其计数能力。研究发现 VLM 的精确计数范围存在显著差异,且标记干预虽能留下可审计的推理痕迹,但并未显著提升小数量照片的计数准确率。研究还揭示了模型在遵循遍历顺序与修正自身答案方面的解离现象。
来源:arXiv · 机器人与计算机视觉 · arxiv.org