VLM用图像呈现文本提示会降低推理

kalomaze · x · 2026-07-04

指出存在一个已知的评测现象：把文本提示以VLM图像的形式给出，相比直接使用纯文本提示，会导致模型整体性能与推理能力下降——因为这从模型语义视角改变了输入的含义。

原文链接 →

「模型」频道最新

• Kimi K3 在网络安全上很强，但 token 效率卡住了评测 — teortaxesTex · 2026-07-27
• 欧洲 ChatGPT Plus 用户开始看到“Extra High”质量选项 — PressPlayPlease7 · 2026-07-27
• Opus 5 传在赛车游戏测试中一次过关 — soumitrashukla9 · 2026-07-27
• Claude Opus 5 据称价格减半并刷榜 Frontier-Bench — GregCook2011 · 2026-07-27
• 研究者称防御场景更偏向开放模型，Kimi K3 已接近高水平网络安全能力 — eliebakouch · 2026-07-27
• Opus 5 连自己生成的游戏不好看都能察觉 — Angaisb_ · 2026-07-27

更多「模型」频道 AI 资讯 →