鸭子还是兔子？EMNLP 论文测试多模态模型能否像人一样报告双稳态图像
anilkseth · x · 2026-10-22
Sussex 大学 PhD 学生 rtakatsky 一作、由 anilkseth 实验室领衔的 EMNLP 2026 主会论文《(How) Do MLLMs Report Bistable Images Like Humans?》研究了多模态大模型如何报告「鸭子-兔子」这类双稳态图像。人类在视觉线索或预期影响下会在两种解读间翻转，且一次通常只看到一种；论文系统检验 MLLM 是否表现出类似人类的报告模式及其机制，并配有讲解视频。
「多模态」频道最新
- Magnific 推出 Blender 插件：视口直接生成 3D 资产与 PBR 材质 — aziz4ai · 2026-10-22
- MOSS文生图模型在ComfyUI提速至85%,6GB显存90秒出2MP图 — cgpixel23 · 2026-10-22
- Bria AI 图像模型 Fibo-2.0-dev 登上 Hugging Face 热门榜 — briaai · 2026-10-22
- 中科大与京东团队发布 WorldStream:可流式扩张的交互式开放 3D 世界模型 — Xiaoxiao Ma · 2026-10-22
- 海鸥抢汉堡：一条视频生成 prompt 的 10 秒分镜实测 — michaelrabone · 2026-10-22
- 法式水彩角色设定图 Prompt 分享：一键生成三视图加表情表 — azed_ai · 2026-10-22