研究称视觉语言模型时长常识推理表现不佳
热点事件持续更新
研究称视觉语言模型时长常识推理表现不佳
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Chenyang Yu 等研究者在 arXiv 论文（arXiv:2610.38755）中探究视觉-语言模型是否具备“时长常识”——例如判断发帖人是长期居住某地还是短暂停留。他们构建了由人类与大语言模型协同标注的地理标记推特语料库作为测试集，并据此评测主流模型。 结果显示，即使采用多轮 Chain-of-Thought 提示，SOTA 模型在时长推断上仍表现不佳，常常无法整合关键上下文信息，或过度依赖显著视觉细节而忽视隐晦的话题标签与语义线索。
AI 根据报道生成 · 1 小时前更新
最新进展10月31日 12:00
视觉-语言模型具备时长常识推理能力吗？人机协同标注的推特语料研究报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AI视觉-语言模型具备时长常识推理能力吗？人机协同标注的推特语料研究
一项研究探究视觉-语言模型是否具备“时长常识”——如判断发帖人是在某地居住还是短暂停留。研究者构建了由人类与大语言模型（LLM）协同标注的地理标记推特语料库作为测试集。结果显示，即使采用多轮 Chain-of-Thought 提示，SOTA 模型在时长推断上仍表现不佳，常常无法整合关键上下文信息，或过度依赖显著视觉细节而忽视隐晦的话题标签与语义线索。
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。