# 浓雾中视野受阻，视觉语言模型仍信心十足

> 一项新发布的 arXiv 研究显示，五款小型视觉语言模型在雾中能见度降至约 12‑16 m 时，准确率已跌至随机水平，置信度却依然很高。

Oossa · 2026-10-19 · https://oossa.com/zh/vision-language-models-stay-confident-even-when-fog-makes-them-blind

由 Mochamad Rizal Fauzan 带领的研究人员于 2026‑10‑19 在 arXiv 发布了一篇论文。他们使用 1,000 张 COCO 图像测试了五款开源视觉语言模型（参数量为 2‑5 billion），并通过模拟雾和水逐步降低能见度。在雾中，能见度降至 12.1 m 至 15.9 m 时，模型准确率跌至随机水平，但其报告的内部置信度仍为 0.68‑0.84，口头表达的置信度最高可达 1.0。只有一款模型的置信度变化与准确率相符。

## 事实

- 五款视觉语言模型，参数量为 2‑5 B，在 1,000 个 COCO 场景中接受测试
- 雾中的半数准确率能见度（V_acc）：12.1‑15.9 m

## 为什么重要

在低能见度环境（如自动驾驶无人机）中使用视觉语言模型的人，可能会被模型过度自信的输出误导。

## 来源与参考

1. [How Murky Before a VLM Knows It Cannot See? Accuracy, Confidence and Abstention on a Physical Visibility Axis](https://arxiv.org/abs/2610.22981) – arXiv cs.CV, 2026-10-19

最后更新: 2026-10-19