跳到正文
arXiv · 机器人与计算机视觉· Xiaoyu Ma, Zheyuan Zhang, Kaiwen Shi, Yanfang Ye·· 28 天前精选AI 评分78

超越正确答案:组合线索如何塑造视觉判断

Beyond Correct Answers: How Compositional Cues Shape Visual Judgments

AI 导读

针对视觉问答中的视觉绑定问题,本文通过固定图像与陈述的对照实验,分析了对象角色、关系等字段标签在不同模型上的差异化效果。研究发现,添加对象角色标签对 Qwen3 有利但对 Qwen2 有害,且保留提示词的优势主要源于避免错误互换;更清晰的提示词虽提升文本匹配但未必改善视觉判断,而直接选择图像中的关系则能部分降低特定提示下的误差。

推荐理由

该研究通过控制变量实验揭示了结构化提示中不同标签对视觉绑定任务的具体影响,为优化多模态模型指令提供了实证依据。

来源:arXiv · 机器人与计算机视觉 · arxiv.org