arXiv · cs.AI· Amirmohammad Izadi, Hosein Hasani, Fatemeh Askari, Mobin Bagherian, Sadegh Mohammadian, Mohammad Izadi, Mahdieh Soleymani Baghshah·· 6 小时前
研究提出 Grounding IDs：外部视觉线索如何塑造多模态绑定
Uncovering Grounding IDs: How External Cues Shape Multi-Modal Binding
arXiv:2509.24072v5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：Amirmohammad Izadi, Hosein Hasani, Fatemeh Askari, Mobin Bagherian, Sadegh Mohammadian, Mohammad Izadi, Mahdieh Soleymani Baghshah
研究任务与主要进展
基于论文摘要，作者提出 Grounding IDs 概念，认为符号、网格线等外部视觉线索会在 LVLM 内形成潜在标识，改善视觉对象与文本描述之间的对齐。研究声称，这些标识可增强相关跨模态成分的注意力，提升多模态推理并减少幻觉；具体实验细节和基准结果材料未说明。
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