跳到正文
arXiv · 机器人与计算机视觉· Jiahao Huang, Jun Wang·· 4 小时前AI 评分35

MC-Lens 揭示视觉语言模型中的选择性访问与全局工作空间机制

Probing the "Conscious" Mind: Selective Access and Global Workspace in Vision-Language Models

AI 导读

Multimodal Concept Lens(MC-Lens)通过多模态雅可比透镜研究视觉语言模型的内部概念表征,证实中间状态信息可读且按需选择性访问。反事实实验表明被访问的概念参与下游推理计算,而跨模态对齐的可靠选择性访问发展晚于概念可访问性。该工具在多种 VLM 家族中验证了共享模式,为多模态系统研究全局工作空间理论及改进跨模态对齐提供实验基础。

来源:arXiv · 机器人与计算机视觉 · arxiv.org