VLM 错误是看不见还是想不明白
VectorInst · x · 2026-07-09
帖子提出一个问题：当视觉语言模型答错图像问题时，究竟是“看不见”还是“想不明白”。作者指出这两类失败模式不同，对应的修复方法也不同。
所属事件:MoCA 论文提出分离视觉语言模型的感知与推理(2 条相关)→
「研究」频道最新
- DiFA 让扩散模型推理对齐前向统计，生成质量更高 — cn-scut · 2026-07-21
- 微软研究院把 LLM Judge 变 Coach，优于 rubric RL — MicrosoftResearch · 2026-07-21
- OpenLongTail 用生成视角补齐长尾自动驾驶数据 — TexasAMUniversity · 2026-07-21
- GEPO 用组熵改造 GRPO，在 13 项基准上更稳更强 — internlm · 2026-07-21
- 阿里 RynnBrain 1.1 把具身基础模型扩到 122B-A10B — Alibaba-DAMO-Academy · 2026-07-21
- Apple 提出无需真实环境的 API 智能体合成数据方法 — _akhaliq · 2026-07-21