多图模式应用中的实例信息瓶颈研究

2026年10月15日，arXiv Computer Vision 刊出 Yiliu Xu、Xinjin Li、Yu Ma 的论文，研究多图模式应用任务中的实例信息瓶颈。该任务要求模型在 16 张图像序列中定位两个目标字符、识别视觉属性、查阅物品专属视觉码本并组合两个有序非ce代号。研究采用同一项目内的 2×2 因子式 Oracle 设计：Oracle-A 提供经核验的文本 schema，Oracle-B 提供经核验的有序目标出现表示，两种干预均保留原始图像与最终问题。据该论文，在 72 个新项目、1,188 条被分析模型回答中，Oracle-B 使严格精确准确率提升 54.6 个百分点（95% 置信区间 46.3 至 63.0），并比 Oracle-A 高出 60.6 个百分点（Holm 校正 p 值不大于 .0002）；一项辅助检索诊断在去除代号生成后仅达到 49.1% 的有序出现准确率；同时提供两种 Oracle 来源时，所有模型准确率均为 100%。目前进展限于该论文报告的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。