arXiv 自然语言处理· Josh Barua, Kyle Mahowald, William Rudman·2026-10-15 12:00· 10 小时前AI 评分33

视觉语言模型整合冲突证据如同有偏贝叶斯观察者

Vision-Language Models Integrate Conflicting Evidence Like Biased Bayesian Observers

AI 导读

视觉语言模型（VLM）在面对冲突的文本与图像时，其决策行为符合有偏贝叶斯观察者假设。研究构建的两参数线索组合模型，无需重新拟合即可在未见过的输入退化组合及新形式不可靠输入中准确预测 VLM 偏好。该模型通过分离证据强度与整合偏置，用单一组合规则统一解释了模型偏向文本或视觉的主导现象。