arXiv · AI· Jiawei Chen·· 6 小时前AI 评分20
文本人设无法让视觉语言模型像描述对象一样感知
Telling Is Not Seeing: Textual Personas Rarely Make Vision-Language Models Answer Like the People They Describe
AI 导读
视觉语言模型中，文本人设无法使模型像被描述的群体一样感知，甚至不及简单规则表现。 测试14个模型发现，描述模糊未改变识别结果，而模糊照片会降低识别率，模型能估算模糊影响却无法在回答中体现。
来源：arXiv · AI · arxiv.org