一篇新的研究论文分析了冻结的InstructBLIP模型(一种视觉-语言模型)中的可回答性信号。研究发现,像预测不确定性、跨模态对齐和视觉基础等常见信号,并不能可靠地指示模型是否能根据提供的图像实际回答视觉问题。即使在专门测试视觉依赖性时,模型在可回答和不可回答问题之间的区分能力也很弱。 AI
影响 凸显了当前视觉-语言模型在辨别可回答性方面的局限性,表明需要改进方法,超越简单的视觉依赖。
排序理由 分析模型能力的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →