三論文入選語言頂會 聚焦大模型行為控制

看得見想不到之謎

研究探討多模態大模型的「Seeing but Not Thinking」現象：模型能準確感知圖像內容，卻無法完成語義推理。跨模態語義共享實驗揭示，問題不在感知層，而在跨模態語義對齊不足，模態之間存在表徵鴻溝。