English(EN) Matching Object or Relation? Tracing Abstract Reasoning Inside VLMs

研究揭示视觉语言模型在抽象推理方面的局限性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-07 04:00

一项新近发表在arXiv上的研究，探究了视觉语言模型（VLMs）的抽象推理能力。研究人员发现，尽管VLMs在视觉任务上表现出色，但在抽象推理方面却存在困难。他们利用一种称为关系匹配样本（RMTS）的心理学范式，追溯了这一缺陷。通过分析GPT、Claude和Gemini等前沿模型，以及Qwen 3.5和Gemma 4等开源模型，该研究确定了影响关系推理的关键因素，包括模型规模和对象复杂度。进一步的机制分析揭示了VLMs内部存在两个相互竞争的电路：一个专注于对象特征，另一个专注于抽象关系，后者对于抽象推理任务至关重要。 AI

影响识别出VLM抽象推理的具体局限性，并提出了一种机制性理解，可能指导未来的模型开发。

排序理由发表在arXiv上的学术论文，详细介绍了关于VLMs的研究发现。[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; 发表在arXiv上的学术论文，详细介绍了关于VLMs的研究发现。[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) · Gouki Minegishi, Hiroki Furuta, Takeshi Kojima, Yusuke Iwasawa, Yutaka Matsuo · 2026-10-07 04:00

匹配对象还是关系？追踪视觉语言模型中的抽象推理

arXiv:2610.07646v1 Announce Type: new Abstract: Vision Language Models (VLMs) excel on visual benchmarks but fail systematically on tasks requiring abstract reasoning. Existing benchmarks document this failure but cannot say \emph{why} it happens or which cognitive capability is …

本文如何被排名

报道来源 [1]

匹配对象还是关系？追踪视觉语言模型中的抽象推理

相关实体

相关话题