أفاد باحثون على arXiv بأن النماذج متعددة الوسائط للرؤية واللغة (VLMs) تتصرف على نحو مختلف عند سؤالها أولًا عمّا يستطيع المخرج رؤيته. ففي «مهمة المخرج»، حيث تُخفى كتلة كبيرة عن المخرج، أدى سؤال النموذج عن الكتل التي يراها المخرج إلى زيادة احتمال اختيار الكتلة المخفية بمقدار يتراوح بين 12 و88 نقطة مئوية لدى ستة نماذج GPT، وبواقع 17 نقطة لدى Qwen‑3.8‑27B. ومع أن النماذج وصفت مجال رؤية المخرج بدقة، فإن السؤال السابق دفعها في إجابتها التالية إلى تبنّي منظورها هي.
لماذا يهم
ينبغي للمقيّمين تضمين اختبار أساسي لا يسبق فيه السؤالَ عن المنظور أي استفسار، وإلا فقد يسيئون تقدير قدرة نماذج الرؤية واللغة الحقيقية على الاستدلال بشأن الآخرين.
