arXiv · cs.AI· Yue Zhang, Zun Wang, Han Lin, Yonatan Bitton, Idan Szpektor, Mohit Bansal·· 1 天前
SPATIALUNCERTAIN评测视觉语言模型能否识别空间问题证据不足
Seeing Isn't Knowing: Do VLMs Know When Not to Answer Spatial Questions (and Why)?
arXiv:2605.30557v2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：Yue Zhang, Zun Wang, Han Lin, Yonatan Bitton, Idan Szpektor, Mohit Bansal
研究任务与主要进展
SPATIALUNCERTAIN提出一个评估视觉语言模型能否识别空间问题中视觉证据不可靠的框架，重点研究遮挡造成的缺失证据和透视造成的误导证据。基于论文摘要，八个开源与闭源模型未能在证据消失时更谨慎，在透视冲突下反而更多依赖二维投影外观；提示和微调未能完全解决这些问题。
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