文本人设让模型复述对人的认知，而非模拟其视觉。
资讯摘要
一篇论文比较了视觉语言模型在文本人设提示下的回答与低视力、色盲或听障人群的实测结果，以及仅使用人设所述事实的简单规则。作者报告，人设提示从未优于这些规则，并抹平了群体与个体间的真实差异；在测试的14个模型中，描述模糊不改变识别结果，而实际模糊照片会降低识别率，与人类表现一致。
要点速读
- 论文将人设提示的回答与低视力、色盲、听障人群的实测结果及简单规则对比，人设从未胜出。
- 在14个测试模型中，文本描述模糊不改变识别结果，而模糊照片会降低识别率。
- 作者指出模型能估计模糊和错觉对人的影响，但人设提示只让模型说出已知知识，而非模拟真实视觉。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。