arXiv · cs.AI· Jiawei Chen·· 1 天前AI 评分50
arXiv 论文：文本人格提示无法让视觉语言模型像所描述的人群那样感知
Telling Is Not Seeing: Textual Personas Rarely Make Vision-Language Models Answer Like the People They Describe
来源与原文
arXiv · cs.AI
作者：Jiawei Chen
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/2610.39331v1
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 arXiv:2610.39331 研究人格提示能否让 VLM 像所描述的人群一样感知。对比真实低视力、色盲、听障人群及仅使用人格所述事实的简单规则后，14 个被测模型的 persona 回答从未胜过简单规则，且抹去了群体与个体间的真实差异；描述模糊不改变识别结果，而真正模糊图片则会降低识别。开源模型内部检查显示描述既不改变图像信息也不改变回答概率，但模型能估计模糊和错觉对人的影响。
来源：arXiv · cs.AI · arxiv.org