研究揭示冗长提示词提升视觉语言模型鲁棒性原理
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究发现，视觉语言模型在图像受损时，冗长的提问方式能显著增强其鲁棒性，而语义复杂或细粒度的提问则会让模型更脆弱。这种差异源于跨模态注意力机制充当了频谱滤波器：冗长提示拓宽了频率支持范围，细粒度提示则将其集中在较少的视觉尺度上。在 Qwen3-VL 和 LLaVA-OneVision 的测试中，冗长改写使 8B 模型的漂移方差降低了 70% 至 81%。通过填充提示词，即使在图像受损情况下也能获得可测量的精度提升。
为什么值得看
揭示了提示词工程背后的频谱滤波机制，提供了提升模型抗干扰能力的实用方法。
Qwen
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。