研究提出ReGap-Bench诊断多模态推理的指代鸿沟
热点事件持续更新
研究提出ReGap-Bench诊断多模态推理的指代鸿沟
1 篇报道1 个报道来源23 小时前更新
先了解这件事
AI 综述
Guizhen Chen 等在 arXiv 发布论文，称多模态大模型多步视觉推理的失败常被归为感知问题，实际是“指代鸿沟”：语言未能绑定到相关视觉实体。为诊断该问题，作者构建了 ReGap-Bench——包含五个视觉推理任务的配对基准，固定场景、问题和答案，仅改变指代方式。 实验结果显示，任务匹配的指代（如编号）可将准确率提升最高 25%，不匹配的指代收益甚微甚至损害性能。作者据此提出，构建合适的视觉指代可作为一种无需训练的视觉技能。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 14:00
诊断“指代鸿沟”：视觉脚手架在多模态推理中能与不能修复什么报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.CL诊断“指代鸿沟”：视觉脚手架在多模态推理中能与不能修复什么
一项 arXiv 研究提出，多模态大语言模型在多步视觉推理中的失败常被归因于感知，实际是“指代鸿沟”：语言未能绑定到相关视觉实体。作者引入 ReGap-Bench，包含五个视觉推理任务的配对基准，固定场景、问题和答案，仅改变指代方式。结果显示，任务匹配的指代（如编号）可将准确率提升最高 25%，不匹配的指代收益甚微甚至损害性能，表明构建合适的视觉指代可作为无需训练的视觉技能。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。