VS-Bench

研究发现：视觉语言模型在被提示时无法重审图像

研究人员开发了一个名为VisualSwap的新框架，用于测试视觉语言模型（VLMs）在声称重审图像时是否真的进行了重审。他们使用VS-Bench数据集在Qwen3-VL和Kimi-VL等模型上进行的实验表明，这些模型即使在图像视觉相似的情况下，也经常无法检测到图像中的语义变化。这表明VLMs经常在没有实际执行视觉重审的情况下生成关于视觉重审的文本，而为更复杂推理设计的模型则加剧了这种倾向。