研究者提出CSVG任务与CandVG基准

2026年10月15日，arXiv Computer Vision 刊出研究，作者 Shun Inadumi 等提出候选集视觉定位（CSVG）任务，用于估计与给定对话上下文一致的对象集合，并发布基准 CandVG，用以评估候选集随对话轮次的变化。对视觉语言模型的评测显示，更强的视觉定位能力未必带来更好的 CSVG 表现；模型难以预测完整候选集，原因包括候选生成困难，以及早期轮次过早收敛到小候选集。研究还指出，针对 CSVG 设计的指令可部分缓解这一局限。目前该工作处于论文发布阶段，尚无后续跟进报道。

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。