待验证50% 置信事实精确时间
视觉语言模型（VLM）存在提示词偏置问题：当提示中明确指定目标类别时，模型倾向于在图像中'找到'符合描述的物体，即使实际不存在。
1
来源数
50%
置信度
长期有效
时效性
2026/10/15
首次发现
来源
涉及实体
相关事实
待验证多模态大模型（VLM）不是OCR，它在视觉向量上进行注意力计算并结合语言先验推断内容，对无规律哈希值会产生幻觉而非报识别失败77% 相似待验证在配对设置下，同一个目标用纯文本描述或用文本+图像引导时，模型预测会出现不一致，说明其对目标的理解可能依赖提示形式而非真正的多模态语义。76% 相似待验证当前的视觉-语言大模型（VLM）已具备开放词汇的目标检测、场景理解与推理能力，使得无需为每个新任务单独训练模型成为可能75% 相似待验证即便加入思维链（CoT）提示，模型仍无法稳定地忽略无关图片，说明让模型说明推理过程不等同于让模型遵守标注约束71% 相似待验证模型在未收到明确指令时输出图片，意味着系统提示词设计或RLHF训练中存在激励偏差71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1033616API
curl https://kongchang.com/api/v1/knowledge/claims/1033616MCP
get_claim(id=1033616)