arXiv · ML· Xiaoshan Zhou·2026-11-04 13:00· 5 小时前AI 评分36

Qwen2.5-VL 与 InternVL3.5 建筑击撞危害误报源于共现先验而非视觉空间编码

Co-Occurrence Priors Override Visual Spatial Evidence: Understanding False Alarms in Vision-Language Models for Construction Struck-By Hazard Detection

AI 导读

Qwen2.5-VL-7B 与 InternVL3.5-8B 在建筑击撞危害检测中产生大量误报，研究证实误报主要源于决策阶段受共现先验支配，而非对象识别或空间关系编码缺陷。

来源：arXiv · ML · arxiv.org

多模态论文研究 #论文/研究 #多模态