热点事件持续更新
Layered-VQA：场景分层揭示VLM组合推理缺陷
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
研究提出 Layered-VQA 数据集，包含 93 个场景、300 个问题，每个图像分解为有序 RGBA 层，问题标注支持层、最小充分层和干扰层。评估 11 个 3B-32B 开源权重 VLM 与 2 个专有模型，共 187,200 次对话、1.74M 次交叉评判。发现三方面失败：场景碎片化显著降低准确率、Oracle Inversion、证据需求增加时 grounding 退化快于答案准确率。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Computer VisionComposition, Not Conversation: VLMs Lose the Scene, Not the Thread
研究提出 Layered-VQA 数据集，包含 93 个场景、300 个问题，每个图像分解为有序 RGBA 层，问题标注支持层、最小充分层和干扰层。评估 11 个 3B-32B 开源权重 VLM 与 2 个专有模型，共 187,200 次对话、1.74M 次交叉评判。发现三方面失败：场景碎片化显著降低准确率、Oracle Inversion、证据需求增加时 grounding 退化快于答案准确率。
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。