苹果提出视觉概念推断任务VICIS
Apple ML Research · rss · 2026-07-17
Apple ML Research 介绍了一个新任务 **VICIS（Visual Concept Inference from Sets）**，目标是评估多模态模型能否仅根据一组示例图像推断共同概念，并把这个概念应用到新输入上。 文章指出，现有 VLM 虽然能执行复杂文本指令，但在“只看图像上下文再归纳概念”这类任务上表现仍然很弱。为此，作者提出：给定一组共享某个概念的示例图和一个查询图，模型需要生成既保留该概念、又与查询图一致的新图像。文中还表示，当前最先进的 VLM 在这个任务上表现不佳。