研究：VLM深度判断偏向图像平面线索

一项 arXiv 论文研究视觉语言模型在深度判断中是否使用深度信息。作者 Zhengtao Zou 与 Pekka Marttinen 通过受控的深度—线索冲突实验、表征分析和干预发现，模型会系统性偏向误导性的图像平面线索（如视觉大小和垂直位置），但即使答错，正确的深度顺序仍可从被查询对象的视觉表征中解码出来。 研究称，通过对象级写回强化模型自身的深度读出，可在不更新模型参数、不使用真实深度标注的情况下纠正冲突决策；该校正效果取决于写入信号的方向和目标 token，强度因架构和领域而异。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。