arXiv · cs.AI· Ziqi Wen, Parsa Madinei, Miguel P. Eckstein·· 11 小时前
通过反事实语义显著性揭示人类与VLM场景描述差距
Revealing the Gap in Human and VLM Scene Description through Counterfactual Semantic Saliency
arXiv:2605.13047v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ziqi Wen, Parsa Madinei, Miguel P. Eckstein
研究任务与主要进展
作者提出黑盒、模型无关的Counterfactual Semantic Saliency（CSS）框架，通过对场景物体进行因果消融并测量语义变化，量化其在视觉语言模型场景理解中的重要性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org