一篇新发表在arXiv上的研究论文强调了当前视觉-语言模型(VLMs)在跟随连续视觉路径方面的显著弱点。研究发现,即使在受控条件下,VLMs也难以维持稳定的路径,尤其是在存在其他附近路径的情况下。这种脆弱性似乎源于视觉编码阶段,在该阶段,路径延续的信息会减弱。通过模型扩展、附加推理或显式跟踪指令来提高性能的尝试收效甚微,这表明现有的VLMs缺乏稳健的路径跟随机制。 AI
影响 揭示了VLM路径跟随方面的根本性局限性,可能影响需要视觉导航和场景理解的应用。
排序理由 发表在arXiv上的研究论文,详细介绍了当前VLMs的局限性。[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 →