新研究测试视觉语言模型时长常识推理,多轮思维链也难奏效
论文让模型判断'后院种花是常住还是 Airbnb 是短住'这类时长问题,主流模型集体翻车,分析写得挺细。
论文让模型判断'后院种花是常住还是 Airbnb 是短住'这类时长问题,主流模型集体翻车,分析写得挺细。
这篇arXiv论文全面梳理了计算机视觉中常识推理的基础、进展和未来方向,对研究人员和开发者很有参考价值。
这篇SaliTrap研究用1145道常识题考了12款模型,最好的也才过半避坑,点开看看谁最容易被数字带偏。
想知道微调后的机器人模型到底还记不记得常识?这篇论文用动作答题的方式测了7个VLA,发现简单概念还行,复杂知识掉得厉害。
这项研究挑战了“人类推理基于抽象模型”的传统观点,对AI开发者和认知科学家都有启发——如果你关心LLM为何会犯“愚蠢”错误,或者想理解人类推理的底层机制,这篇论文值得一读。