arXiv cs.CV· Kun Wang, Xindi Wu, Sanghyuk Chun, Olga Russakovsky, Esin Tureci·· 3 小时前AI 评分46
上下文学习可帮助 VLM 克服训练先验
In-Context Learning Can Help Vision-Language Models Overcome Training Priors
AI 导读
受控的视觉上下文学习可纠正视觉语言模型由训练先验导致的错误，说明模型本身具备相应视觉能力。在 5 个视觉任务的反事实样本上，Qwen3-VL 235B 准确率提升 27.2%、Qwen3-VL 32B 提升 15.1%，符合先验的样本几乎不变，5 个 VLM 家族增益为 +9.7% 至 +30.3%。注意力分析显示演示把注意力转向 grounding 线索，但底层视觉能力薄弱时上下文学习作用有限。
来源：arXiv cs.CV · arxiv.org