论文研究 arXiv cs.CV Fri, 25 Sep 2026 正文 thin 4 words

看起来相同，回答却不同：用于稳健视觉语言推理的翻转方向引导

英文标题：Looks the Same, Answers Differently: Flip-Direction Steering for Robust Vision-Language Reasoning

该论文发表于 arXiv（arXiv:2609.28851v1），研究视觉语言模型（VLM）在视觉推理中的鲁棒性问题。作者指出，即使图像在视觉上几乎一致，日常拍摄和处理造成的细微变化也可能改变模型的推理轨迹。论文聚焦长序列生成场景下这一不稳定性，并提出“翻转方向引导”（Flip-Direction Steering）方法，以提升视觉语言推理的一致性与稳健性。该研究对开发可靠的多模态 Agent、视觉问答和复杂图像推理系统具有参考意义。

打开原文相关 1.6 · 机会 0