arXiv · AI· Reem Alzahrani, Bushra Bin Hemid, Hassan Alshanqiti, Zaid Alyafeai, Paul Gavrikov, Bernard Ghanem, Abdelrahman Eldesokey·· 6 小时前AI 评分23
CounterCount：诊断视觉-语言模型计数属性中的知识偏差
CounterCount: Diagnosing Knowledge Bias in How Vision-Language Models Count Attributes
AI 导读
研究团队提出诊断数据集 CounterCount，通过配对事实与反事实图像揭示视觉-语言模型（VLMs）的计数偏差。 在 16 个 VLMs 中，模型在反事实图像上的平均准确率从事实图像的 91.6% 降至 49.5%，主要错误源于依赖先验知识而非视觉信息。 研究发现模型在识别熟悉上下文后倾向于使用先验知识，提示了改进模型关注视觉证据的可能路径。
来源：arXiv · AI · arxiv.org