arXiv 的研究人员报告称，视觉语言模型（VLM）在先被问及导演能看到什么后，表现会有所不同。在一项“导演任务”中，有一个大方块被挡住，询问模型导演能看到哪些方块后，六款 GPT 模型选择被遮挡方块的概率提高了 12 至 88 个百分点，Qwen‑3.8‑27B 则提高了 17 个百分点。模型仍能正确报告导演的视野，但先前的问题会使它们之后的行动转而偏向自身视角。
为什么重要
评估者必须纳入不先询问视角的基线，否则可能误判视觉语言模型真正理解他人视角的能力。
研究发现：询问视觉语言模型导演能看到什么，会改变其行动
在被问及导演能看到什么后，六款 GPT 模型和 Qwen3.8‑27B 更常选择被遮挡的方块，说明提问本身会影响模型行为。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。