草图揭示 LVLM 的视觉惯例、定位与局部化机制

一项无需训练、无需微调的草图探针方法被用于探测 LVLM 保留的视觉惯例及其所在位置，包含部件构建顺序、注意力定位和定位的层/头位置三项读数。在九个 LVLM 的部件顺序测试和五个模型的注意力测试中，模型在人类画法趋同处复现标准顺序，部件级定位无需定位监督即可恢复部件与物体区域。