跳至内容

pchao.org

visual configuration

读得对,答得错:视觉配置变化如何影响视觉语言模型使用证据

23 9 月, 2026 作者 PengChao
一个球衣号码的翻转

差一个像素若跨过视觉配置边界,答案比邻近的等幅缩放更容易翻转;不少错误里目标仍然可读,显式引导能把其中一大部分原答案找回来。

分类 CVPR三分钟 标签 configuration boundary、 CVPR三分钟、 LLaVA-NeXT、 visual configuration、 人工智能、 深度学习、 计算机视觉 发表评论
© 2026 pchao.org • Built with GeneratePress