arXiv · AI· Shubh Garg, Divyansh Pandey, Vedant Khandelwal, Niyati Rawal, Amit Sheth·· 8 小时前AI 评分20
具身视觉语言模型如何利用场景图记忆？一项诊断研究
Do Embodied VLMs Actually Use Their Scene-Graph Memory?
AI 导读
针对具身智能体回答问题时的场景图记忆机制，研究提出图交换测试以诊断模型是否真正依赖图结构。 在包含两至七间房间路径的问答基准中，文本形式记忆比无记忆提升30分，而图编码形式表现不佳；将每个节点分配独立输入token可额外提升8.3分，且通过交换测试验证增益源自图结构。
来源：arXiv · AI · arxiv.org