VLM抽象推理机制研究：RMTS范式揭示两条竞争回路
热点事件持续更新
VLM抽象推理机制研究：RMTS范式揭示两条竞争回路
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Gouki Minegishi等作者发表论文，采用心理学的Relational Match-to-Sample（RMTS）范式并结合机制分析，测试视觉语言模型（VLM）在关系匹配任务中究竟匹配的是物体还是关系，识别出两条竞争回路。 评测覆盖GPT、Claude、Gemini等前沿API模型以及Qwen3.5、Gemma-4、InternVL3三个开源家族，作者称能力层级、模型规模、场景物体数量与逐物体刺激噪声是影响VLM关系匹配的四项杠杆。
AI 根据报道生成 · 3 小时前更新
最新进展10月7日 12:00
VLM 抽象推理内幕：匹配的是物体还是关系？机制分析揭示两条竞争回路报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.AIVLM 抽象推理内幕：匹配的是物体还是关系？机制分析揭示两条竞争回路
研究采用心理学 Relational Match-to-Sample（RMTS）范式并结合机制分析，在 GPT、Claude、Gemini 等前沿 API 模型及 Qwen3.5、Gemma-4、InternVL3 三个开源家族上评测，识别出能力层级、模型规模、场景物体数量与逐物体刺激噪声四项影响 VLM 关系匹配的杠杆。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月7日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。