Skip to content
Hot eventLive

用合作原则评估视觉语言模型的VQA表现

1 reports1 sources16 hr ago updated

Get the story

AI overview

2026年10月5日，arXiv（Computation and Language，一手）发表研究《基于合作原则评估视觉语言模型的 VQA 性能》。研究让 VLM 生成违反 Grice 准则的问题修饰语（包括非必要、歧义或虚假信息），并据此评测 ChatGPT、Claude、Gemini 和 Llava 的 VQA 表现，发现违规存在时这些模型表现下降。实验进一步对比人类与 VLM 的语用推理差异：人类处理 VLM 引发的违规时认知负荷更低，但 VLM 在此类情况下准确率反而更差。

Generated from reports · updated 16 hr ago

LatestOct 5
arXiv 新研究显示，问题修饰语违反 Grice 准则时，ChatGPT、Claude、Gemini、Llava 的 VQA 表现均下降。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Computation and Language
    基于合作原则评估视觉语言模型的 VQA 性能

    研究用 VLM 生成违反 Grice 准则的问题修饰语（非必要、歧义或虚假信息），评测 ChatGPT、Claude、Gemini 和 Llava 的 VQA 性能，发现违规存在时这些模型表现下降。实验进一步对比人类与 VLM 的语用推理差异：人类处理 VLM 引发的违规认知负荷更低，但 VLM 在此类情况下准确率反而更差。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.