视觉语言模型在子任务层面表现逆规模效应

研究证实视觉语言模型存在逆规模现象，即大模型在特定子任务上表现不如小模型。 评估涵盖4个模型族的19个模型，在8个基准的29,386道题中，发现375种组合出现逆规模，主要受多图像空间推理及大学级STEM知识影响。 这表明模型选择需任务感知，而非单纯依赖增大规模以提升多模态能力。