VLM深度判断受误导性表观线索影响可干预纠正

Zhengtao Zou 与 Pekka Marttinen 发布 arXiv 论文（arXiv:2610.17976），研究视觉语言模型在深度-线索冲突下的判断行为。作者通过受控的深度-线索冲突实验、表征分析和干预发现，跨模型家族和规模，模型的深度判断会系统性地偏向具有误导性的表观大小或垂直位置等图像平面线索；即使深度顺序错误，仍可从目标物体的视觉表征中解码出正确的深度顺序，说明模型并非不能感知正确深度。 进一步地，作者通过对象级写回（object-level write-back）增强模型自身的深度读出，在不更新模型参数、不使用真实深度标注的情况下纠正了部分冲突决策；但纠正效果取决于写回信号方向、目标词元、模型架构和领域。论文称该结果基于受控实验与干预，材料未说明独立验证情况。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。