视觉语言模型视障视觉定位评估

2026年10月28日，arXiv Artificial Intelligence 刊出 Fairooz Azim 等作者的预印本研究，使用 VizWiz-VQA-Grounding 数据集评测开源视觉语言模型（VLM）面向视障人士的视觉定位能力，并提出扩展可解释性框架的 VG-SHAP，用于评估黑盒模型。结果显示，VLM 虽能生成正确答案，却难以定位到图像中正确的区域。作者同时指出，该结论受其可解释性框架中分割模型质量的限制，仍需进一步研究。目前该事件仅此一篇主报道，尚无跟进报道，后续进展有待观察。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。