字段标签与提示措辞对视觉判断的影响因模型而异。
资讯摘要
论文研究视觉问答中的视觉绑定问题，即模型需把属性与关系正确对应到对象。作者在十款模型、六项任务上固定图像与陈述，隔离字段标签的影响，发现关系标签存在时，加入对象角色标签对 Qwen3 有帮助，却损害 Qwen2 在 Spatial 任务上的表现。作者还比较保留或调换问题角色分配的辅助提示，发现 Qwen3 在保留提示下的优势主要来自调换提示引发的错误，保留提示本身接近基线，字段顺序也会影响损害程度。
要点速读
- 论文在十款模型、六项任务上固定图像与陈述，单独考察字段标签的影响。
- 关系标签存在时，对象角色标签对 Qwen3 有帮助，却损害 Qwen2 在 Spatial 上的表现。
- Qwen3 在保留提示下的优势主要反映调换提示造成的错误，保留提示接近基线；更清晰的提示措辞未稳定改善视觉判断。
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 2026/10/23 08:00:11（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。