# 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。

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

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。

## 事实

- 论文于 2026 年 10 月 21 日提交，2026 年 10 月 22 日发表
- 在被问及视角后，GPT 模型选择被遮挡方块的概率最高提高 88 个百分点

## 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。

## 来源与参考

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

最后更新: 2026-10-22