arXiv · cs.AI· Chenyang Yu·· 1 天前AI 评分26
视觉语言模型能推断停留时长吗？基于人机共标注数据的 duration 常识推理研究
Leaving, Staying, or Living There? Duration Commonsense Reasoning with Human-LLM Co-annotations
来源与原文
arXiv · cs.AI
作者：Chenyang Yu
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.38755v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究测试视觉语言模型是否具备 duration（停留时长）常识，如判断园艺意味着“住在那里”、入住 Airbnb 意味着“短期停留”。作者构建了由人类与 LLM 共同标注的地理标记推文数据集作为测试集。结果显示 SOTA 模型在时长推断上表现不佳，即使使用多轮 CoT 提示也不行，模型常无法整合上下文信息，或过度依赖显著视觉细节而忽略细微的标签和语义线索。
来源：arXiv · cs.AI · arxiv.org