arXiv · cs.CL· Shubh Garg·· 18 天前AI 评分24
VLM 研究揭示：空间关系表示的保真度低于词汇先验
When VLMs Destroy What They Know: Spatial Representations Fall Below Lexical Priors
来源与原文
arXiv · cs.CL
作者：Shubh Garg
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/2610.13910v1
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 EICS 指标与 CASP-VL 基准（基于 Visual Genome 场景图的空间扰动），检验 VLM 内部表示对概念与空间关系的编码。结果显示多种 VLM 架构对空间关系的表示明显不如词汇信息保真，即使这些模型在组合性 benchmark 上远高于随机水平。关系信息在谓词自身 token 处可识别，但经 (EOS) 聚合或 mean pooling 形成全局表示后丢失。
来源：arXiv · cs.CL · arxiv.org