研究：文本人设提示无法让VLM像所描述人群那样看图

Jiawei Chen 等人在 arXiv 发布论文（arXiv:2610.39331），测试“你视力低下”这类人设提示能否让视觉语言模型（VLM）像所描述人群一样感知图像，覆盖 14 个模型并与低视力、色盲、听力障碍人群实测对比。结论是：人设回答从未超过仅用其陈述事实的简单规则，即人设无法真正改变模型的视觉行为。 论文给出的具体证据包括：在全部 14 个测试模型中，仅在文字上描述模糊不改变识别结果，而真实模糊的图像会像对人类一样降低识别率；人设还会抹平群体与个体之间的真实差异。模型虽能估算模糊和错觉对人的影响，但其内部图像信息与回答概率均未改变。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。