arXiv · 机器人与计算机视觉· Guizhen Chen, Weiwen Xu, Wotao Yin, Anh Tuan Luu, Hou Pong Chan·· 20 天前AI 评分48
Diagnosing the Reference Gap:视觉支架在多模态推理中的局限与修复边界
Diagnosing the Reference Gap: What Visual Scaffolds Can and Cannot Fix in Multimodal Reasoning
AI 导读
多模态大模型虽能识别视觉内容,却在跨步推理中因语言与实体绑定失败而受阻。研究提出 ReGap-Bench 基准测试发现,任务匹配的参考(如编号)可使准确率提升最高 25%,不匹配则无效甚至有害。这表明构建适配任务的视觉支架是无需训练的改进多模态推理技能,而非感知缺陷所致。
来源:arXiv · 机器人与计算机视觉 · arxiv.org