VLM 文字混淆根因：不同文字的同义词嵌入几乎重合
VikParuchuri · x · 2026-10-16
Vik Paruchuri 团队对 VLM「文字系统混淆」的最佳解释：模型内部，不同文字系统中同义的词的嵌入几乎相同——「cruel」与「残酷」在向量空间里非常接近。当页面字迹难辨时，模型先验会压过页面证据：在一处错误位置上，输出汉字「残酷」的概率高达 22.2%，反超英文「cruel」的 10.5%，尽管页面上其实是别的词。修复后的 Chandra 模型在该位置的 top5 候选已全部是正确文字系统的词。
所属事件:OCR 模型跨文字系统混淆调查：词义对却写错字(3 条相关)→
「模型」频道最新
- NVIDIA 发布 120B 视觉语言模型 Nemotron 3.5 Super VL，已上线 Kilo — anacondainc · 2026-10-17
- Artificial Analysis Optima 支持三步自建自定义模型基准 — ArtificialAnlys · 2026-10-16
- 斯坦福 CS336 讲义拆解 MoE 参数与计算的两本账 — stanfordnlp · 2026-10-16
- 408 次调用实测：TypeSafe 新晋模型 Jev 图像输入表现报告 — SeveralSeat2176 · 2026-10-16
- Chandra 2.5 用新训练法将文字混淆减少 7 倍，低于 Gemini 与 Claude — VikParuchuri · 2026-10-16
- Datalab 实测：Gemini Flash 3.8 与 Claude Opus 5.5 同样输出错文字系统 — VikParuchuri · 2026-10-16