Secondo una ricerca pubblicata su arXiv, i modelli visione-linguaggio (VLM) si comportano diversamente se prima viene chiesto loro che cosa può vedere un regista. In un «compito del regista», in cui un blocco grande è nascosto alla sua vista, chiedere al modello quali blocchi vede il regista ha aumentato di 12-88 punti percentuali la probabilità che scegliesse il blocco nascosto per sei modelli GPT, e di 17 punti per Qwen‑3.8‑27B. I modelli hanno continuato a descrivere correttamente il campo visivo del regista, ma la domanda preliminare ha spostato la scelta successiva verso la loro prospettiva.
Perché conta
Chi valuta questi modelli deve includere un confronto senza domande sulla prospettiva, altrimenti rischia di giudicare male la loro effettiva capacità di ragionare sul punto di vista altrui.
