CLIP双编码器预测视觉世界注视偏好

2026年10月15日，arXiv Computer Vision 刊出一篇论文，作者为 Rahul Murali Shankar、Titus von der Malsburg、Sebastian Padó。该研究提出一种新方法，用归因方法从简单的双模态 CLIP 双编码器中导出目标偏好，从而预测视觉世界实验中的注视偏好模式。据该论文，这一方法无需生成式架构，也无需微调，尽管并未针对该任务进行训练，仍能定性复现一项经典英语视觉世界研究中体现人类预测性加工的注视模式。目前该事件仅有这一篇报道，尚无后续跟进或相互矛盾的说法。

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。