LVLM 能揭示视觉错觉背后的真相吗？感知与推理能力分析

英文标题：Can LVLMs Uncover the Truth Behind Visual Illusions? An Analysis of Perceptual and Reasoning Capabilities

该论文探讨大型视觉语言模型（LVLM）能否理解和解释视觉错觉，以及其感知与推理能力的边界。作者指出，LVLM 已整合推理能力并提升认知表现，但现有评测往往仅关注感知，或局限于数学、编程等特定领域。论文旨在补充针对视觉感知与推理结合能力的评估，对开发更可靠的多模态 Agent 和视觉 AI 评测体系具有参考意义。

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