arXiv · cs.AI· Shun Inadumi, Lee Sangmyeong, Koichiro Yoshino·· 5 小时前
研究提出候选集视觉定位任务CandVG，揭示视觉定位能力与对话消歧表现不一致
Recognizing Dialogue Ambiguity via Candidate Set Visual Grounding
arXiv:2610.19723v1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：Shun Inadumi, Lee Sangmyeong, Koichiro Yoshino
研究任务与主要进展
研究提出候选集视觉定位任务CSVG，用于估计与当前对话上下文一致的对象集合，并发布评估候选集如何随对话轮次变化的CandVG基准。基于论文摘要，视觉语言模型即使具备更强视觉定位能力，也不一定更擅长CSVG，主要困难包括候选生成和早期轮次过早锁定少数候选；面向CSVG设计的指令可在所评估的大规模模型中部分缓解这一限制。
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