研究证实视觉语言模型无法通过文本角色模拟视觉障碍者

2026年10月29日，arXiv平台（cs.AI）上线论文《文本人设无法让视觉语言模型像描述对象一样感知》。该研究测试了14个视觉语言模型，发现赋予模型“盲人”等文本人设无法使其获得真实的视觉体验，其表现甚至不及简单的规则处理。 研究进一步指出，虽然模型能够估算照片模糊度对识别的影响，但无法在最终回答中体现这一认知。测试结果显示，即便描述模糊，模型的识别结果并未改变；而实际使用模糊照片会降低识别率。这项发现表明，仅靠文本角色模拟无法使多模态模型真正“感知”被描述群体的视觉状态。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。