Investigadores que publicaron en arXiv informan que los modelos de lenguaje y visión (VLM) se comportan de manera distinta cuando primero se les pregunta qué puede ver un director. En una «tarea del director» en la que se oculta un bloque grande al director, preguntar al modelo qué bloques ve el director aumentó entre 12 y 88 puntos porcentuales la probabilidad de elegir el bloque oculto en seis modelos GPT, y en 17 puntos en Qwen‑3.8‑27B. Los modelos siguieron informando correctamente sobre la perspectiva del director, pero la pregunta previa inclinó su acción posterior hacia su propia perspectiva.
Por qué importa
Las evaluaciones deben incluir una línea de base sin preguntas sobre la perspectiva; de lo contrario, se corre el riesgo de juzgar mal la verdadera capacidad de los VLM para razonar sobre los demás.
