陷入“乱序”困境：视觉语言模型中的属性-物体绑定机制研究

英文标题：Stuck on Shuffle: On Attribute-Object Binding in Vision-Language Models

本论文（arXiv:2610.22602v1）聚焦多模态系统中视觉语言模型（VLM）的属性-物体绑定（Attribute-Object Binding）难题。跨模态检索通常依赖共享嵌入空间来匹配图像与文本，这要求向量表征不仅能识别孤立概念，更需精确对齐实体与其属性的组合关系。研究指出当前模型容易陷入类似于“随机洗牌”的属性错配困境，难以可靠表征复杂的图文细粒度语义。这一发现为开发者和研究人员揭示了多模态表征学习在组合泛化上的关键瓶颈，对改进多模态检索与生成模型的结构设计具有重要指导意义。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB