arXiv · cs.AI· Chen Peng·· 18 天前AI 评分48
多模态大模型为何读不出「眯眼可见文字」：SquintBench 诊断与 Squint OPSD 训练方法
When MLLMs miss what humans read: diagnosing and learning to read squint text
来源与原文
arXiv · cs.AI
作者：Chen Peng
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/2610.13465v1
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
arXiv 论文提出 Squint Text 概念，指多模态大模型无法读取人类眯眼可辨认的、嵌入图像粗结构的文字，并发布包含 1076 张生产环境审核图片的 SquintBench。诊断显示空间选择是主要瓶颈。提出的 Squint OPSD 训练方法让冻结教师以缩放视图和真实转写为特权上下文监督学生模型，推理时学生仅凭原图即达 88.61 ANLS，而未适配骨干仅 26.50。
来源：arXiv · cs.AI · arxiv.org