# 視点を尋ねるとVLMの行動が変わるとの研究

> ディレクターに見えるものを答えるよう促すと、6つのGPTモデルとQwen3.8‑27Bは隠れたブロックを選ぶ頻度が大幅に上昇。質問自体が行動を変えることが示された。

Oossa · 2026-10-22 · https://oossa.com/ja/study-finds-asking-vision-language-models-about-a-director-s-view-changes-their-

arXivの研究者らは、ディレクターに何が見えるかを先に尋ねると、視覚言語モデル（VLM）の振る舞いが変わると報告している。ディレクターから大きなブロックが隠されている「ディレクター課題」では、ディレクターにどのブロックが見えるかをモデルに尋ねたところ、隠れたブロックを選ぶ確率が6つのGPTモデルで12～88ポイント、Qwen‑3.8‑27Bで17ポイント上昇した。モデルはディレクターの視界を正しく答えたものの、先行する質問によって、その後の行動が自分自身の視点に引き寄せられた。

## 事実

- 論文は2026年10月21日に投稿され、2026年10月22日に公開
- 視点に関する質問の後、GPTモデルが隠れたブロックを選ぶ割合は最大88ポイント上昇

## なぜ重要か

評価者は、視点に関する質問をしない場合の基準値も含める必要がある。そうしなければ、VLMが他者の視点について推論する本来の能力を誤って評価するおそれがある。

## 出典と参考資料

1. [Asking What a Director Sees Can Change What Vision-Language Models Choose](https://arxiv.org/abs/2610.29318) – arXiv, 2026-10-22

最終更新: 2026-10-22