跳到正文
arXiv · 机器人与计算机视觉· Yiliu Xu, Xinjin Li, Yu Ma·· 2026-10-15精选AI 评分78

多图像 Schema 应用中的失效因素:因子化 Oracle 干预揭示实例信息瓶颈

What Breaks in Multi-Image Schema Application? Factorial Oracle Interventions Reveal an Instance-Information Bottleneck

AI 导读

该研究针对现代视觉语言模型在多图像上下文下的推理失效问题,设计了一个受控的 Schema 应用任务,要求模型在 16 张图像序列中定位两个目标字符并识别其属性。

推荐理由

通过引入两种不同的 Oracle 干预,研究发现多图像推理的主要瓶颈在于上游有序实例的恢复而非下游模式使用。

来源:arXiv · 机器人与计算机视觉 · arxiv.org