跳到正文
arXiv · NLP· Mohamed Rayan Barhdadi, Syed Talal Wasim, Juergen Gall, Erchin Serpedin, Hasan Kurban·· 10 天前AI 评分36

视觉心理理论受限主因是感知而非推理:提出五条件分离协议

Perception, Not Reasoning, Limits Visual Theory of Mind

AI 导读

视觉语言模型在视觉虚假信念测试中性能骤降,研究指出瓶颈在于感知而非推理。 通过五条件分离协议评估7个VLM,感知贡献比率量化视觉-文本差距;60%的虚假信念失败源于现实偏差,模型报告物体实际位置而非代理信念位置。 该论文被NeurIPS 2026接收,证实结构化视觉场景状态提取是视觉心理理论的主要障碍。

来源:arXiv · NLP · arxiv.org