Pupil Invisible

AI模型在安全关键场景中表现出类似人类的注意力

一项新近发表在arXiv上的研究，比较了大型视觉语言模型（VLMs）的视觉注意力和人类在安全关键环境中的注视模式。研究人员收集了参与者观看危险场景时的眼动追踪数据，然后提示GPT-4o、Gemini Pro、Gemini Flash和Claude等模型预测人类注意力。研究结果表明，VLMs能够识别出与人类视觉焦点大致一致的兴趣区域，这表明它们有潜力作为可扩展的工具，在无需显式眼动追踪训练的情况下近似人类的注意力模式。