# مدل‌های بینایی‌ـ‌زبان در مه هم با اطمینان پاسخ می‌دهند

> پژوهشی تازه در arXiv نشان می‌دهد دقت پنج مدل کوچک VLM در مه، با دید ۱۲ تا ۱۶ متر، به حد تصادفی می‌رسد؛ اما اطمینانشان همچنان بالاست.

Oossa · 2026-10-19 · https://oossa.com/fa/vision-language-models-stay-confident-even-when-fog-makes-them-blind

پژوهشگران به سرپرستی موچاماد ریزال فوزان، مقاله‌ای را در 2026‑10‑19 در arXiv منتشر کردند. آن‌ها پنج مدل متن‌باز بینایی‌ـ‌زبان (با ۲ تا ۵ میلیارد پارامتر) را روی ۱٬۰۰۰ تصویر COCO آزمایش کردند و با شبیه‌سازی مه و آب، دید را به‌تدریج کاهش دادند. در مه، وقتی دید به 12.1 تا 15.9 متر رسید، دقت مدل‌ها به حد تصادفی افت کرد؛ بااین‌حال، امتیاز اطمینان داخلی آن‌ها همچنان 0.68 تا 0.84 بود و اطمینان اعلام‌شده به زبان طبیعی به 1.0 می‌رسید. فقط یکی از مدل‌ها اطمینانی نشان داد که با دقتش هم‌خوانی داشت.

## حقایق

- آزمایش پنج مدل VLM با ۲ تا ۵ میلیارد پارامتر روی ۱٬۰۰۰ صحنه COCO
- محدوده دیدی که دقت در مه به نصف می‌رسد (V_acc): 12.1 تا 15.9 متر

## چرا مهم است

کاربران VLMها در محیط‌های کم‌دید، مانند پهپادهای خودران، ممکن است با پاسخ‌های بیش‌ازحد مطمئن این مدل‌ها گمراه شوند.

## منابع و ارجاع‌ها

1. [How Murky Before a VLM Knows It Cannot See? Accuracy, Confidence and Abstention on a Physical Visibility Axis](https://arxiv.org/abs/2610.22981) – arXiv cs.CV, 2026-10-19

آخرین به‌روزرسانی: 2026-10-19