NeurIPS 论文：视觉上下文学习让 VLM 准确率最高提升 27%
cindy_x_wu · x · 2026-10-14
普林斯顿等机构研究者的 NeurIPS 2026 论文提出：视觉语言模型（VLM）在图像违反训练统计规律时出错，往往不是缺乏视觉能力，而是被学到的先验带偏。
核心发现
- 通过受控的视觉上下文学习（给少量示例）引导模型聚焦视觉证据，就能纠正大量此类错误；
- 在五个视觉任务上，示例对先验冲突的反事实样本带来大幅提升：Qwen3-VL 235B 提升 27.2%、32B 提升 15.1%，先验一致的样本准确率几乎不变；
- 结论泛化到五个 VLM 家族，增益从 +9.7% 到 +30.3%；
- 表征分析显示示例确实把注意力重新导向视觉依据；但当底层视觉能力本身缺失时，上下文学习也无力回天。
作者认为当前 VLM 普遍具备被标准评测低估的视觉接地能力。
「模型」频道最新
- Google AI 订阅送 Cloud 额度:Pro 每月 $10,Ultra 最高 $100 — jocarrasqueira · 2026-10-14
- Aiden Bai 推荐 Apex：前端工作流 Claude/Codex 平价替代，仅有过思倾向 — aidenybai · 2026-10-14
- Gemini 4 Argon 首波口碑：重回前沿梯队，编码强而不霸，前两周几乎无人能用 — johnseach · 2026-10-14
- Venice 推出无限制推理模型 Abliterated Large V2，面向红队与安全研究 — 0xAllen_ · 2026-10-14
- Argon 4 仅限 Ultra 订阅,用户抱怨又要多付 100 美元 — AIandDesign · 2026-10-14
- Gemini 4 发布日流传「向 Google 道歉表」，讽刺看衰者集体打脸 — omooretweets · 2026-10-14