# L’addestramento multimodale dà ai modelli testuali capacità visive nascoste

> I ricercatori mostrano che l’addestramento su immagini e testo modifica il modo in cui i modelli linguistici affrontano i compiti spaziali, anche quando ricevono solo testo.

Oossa · 2026-11-13 · https://oossa.com/it/multimodal-training-gives-text-only-models-hidden-visual-reasoning-abilities

Data dell’evento: 2026-11-11

Un gruppo guidato da Qi Zhang ha pubblicato l’11 novembre 2026 uno studio secondo cui i modelli linguistici addestrati su immagini e testo sviluppano un «asse visivo» nascosto, che sfruttano anche quando ragionano esclusivamente su testo. Nel modello Chameleon‑7B, con 7 miliardi di parametri, disattivare questo asse ha ridotto di 27,6 punti percentuali la precisione nel compito di navigazione di BIG‑Bench Hard, migliorando leggermente le prestazioni nei test simbolici di logica booleana. L’effetto si manifesta in livelli specifici del modello e aiuta anche nei compiti di rotazione mentale e di adozione di prospettive diverse.

## I fatti

- Chameleon‑7B perde 27,6 punti percentuali di precisione nel compito di navigazione di BIG‑Bench Hard quando si elimina il suo asse visivo
- Studio inviato l’11 novembre 2026 (mer, 11 nov 2026 02:44:10 UTC)

## Perché conta

Dimostra che l’addestramento su immagini e testo può potenziare il ragionamento spaziale delle IA che ricevono solo testo e orientare la progettazione dei modelli futuri.

## Fonti e riferimenti

1. [Emergent Vision-Shaped Thinking in Text-Only Reasoning through Multimodal Training](https://arxiv.org/abs/2611.14942) – arXiv, 2026-11-13

Ultimo aggiornamento: 2026-11-13