问两次，看两次：提示回音解决视觉语言模型中的“问题优先”悖论
本文揭示了视觉语言模型（VLM）中“问题优先”（Question-First）提示导致性能下降的悖论。通过Logit Lens和因果注意力阻断实验，我们发现问题优先虽能引导感知，但因距离过远导致下游读取失败。为此，提出无需训练的提示回音策略（Question Echoing和Image Echoing），在Qwen3-VL等模型上显著恢复并超越基线性能。
提示工程
本文揭示了视觉语言模型（VLM）中“问题优先”（Question-First）提示导致性能下降的悖论。通过Logit Lens和因果注意力阻断实验，我们发现问题优先虽能引导感知，但因距离过远导致下游读取失败。为此，提出无需训练的提示回音策略（Question Echoing和Image Echoing），在Qwen3-VL等模型上显著恢复并超越基线性能。