EMNLP论文：报告偏误致VLM推理短板

2026年10月，AGI Hunt 报道了 EMNLP 2026 论文《Scale Can't Overcome Pragmatics》。该研究指出，视觉语言模型（VLM）在推理上的许多短板并非来自模型规模不足，而是源于训练数据中的“报告偏误”（reporting bias）：人类在标注图片描述时，会系统性地省略空间关系、计数、否定和时序等语言信息，导致模型缺少学习这些表达方式的数据。论文据此认为，仅靠扩大模型或数据规模无法弥补这类缺陷。目前该报道仅介绍论文的核心结论，尚未披露更多实验细节或后续回应。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。