#视觉指称

多模态推理的「指称鸿沟」：视觉标记能修复什么？

多模态大模型为何看得见却推理不准？研究提出「指称鸿沟」概念，通过 ReGap-Bench 配对基准证明：与任务匹配的视觉指称可提升准确率最高25%，不匹配则无效甚至有害。