UCSB 研究:19 个 VLM 看场景都不像人——过度依赖物体大小、对"人"迟钝

机器之心 · wechat · 2026-11-21

加州大学圣塔巴巴拉分校团队提出"反事实语义显著性"(CSS)黑盒评估框架,并构建含 307 张原始场景、1306 张反事实场景的数据集(227 名被试、16603 条描述作人类基线),评估了 Qwen3-VL、InternVL3、GPT-5.4、Claude、Gemini 等 19 个开源与闭源 VLM,发现无一达到人类一致性水平。

关键发现

论文:arXiv 2605.13047,代码与数据已开源。

原文链接 →

「多模态」频道最新

更多「多模态」频道 AI 资讯 →