English(EN) (How) Do MLLMs Report Bistable Images Like Humans?

MLLMs 模仿人类对双稳态图像的感知

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-15 04:00

研究人员调查了多模态大语言模型（MLLMs）在呈现双稳态图像（如经典的鸭兔图）时是否表现出类似人类的报告行为。研究使用了 LLaVA 系列模型，探讨了视觉线索和语言先验如何影响模型响应，发现这些因素会系统性地改变报告，这与人类感知一致。模型也像人类一样，主要倾向于单一解释，其内部计算涉及竞争性的图像-标记表示和不同的调制通路。 AI

影响研究了 MLLMs 如何处理模糊的视觉信息，可能为未来开发更具细微感知能力的模型提供参考。

排序理由学术论文，详细介绍了 MLLMs 在双稳态图像方面的行为研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 18 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了 MLLMs 在双稳态图像方面的行为研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Ryota Takatsuki, Tomoki Doi, Amane Watahiki, Anil K. Seth, Hitomi Yanaka · 2026-09-15 04:00

大型多模态模型（MLLMs）如何像人类一样报告双稳态图像？

arXiv:2609.13254v1 Announce Type: cross Abstract: Bistable images such as the duck-rabbit are classic stimuli in which one image supports multiple mutually incompatible interpretations, typically reported one at a time in humans. We ask whether multimodal large language models (M…

本文如何被排名

报道来源 [1]

大型多模态模型（MLLMs）如何像人类一样报告双稳态图像？

相关实体

相关话题