浙大揭多模態ICL反常現象 示例多反而失準

例題越多成績越差

給多模態大模型多看幾道例題，表現就一定更好嗎？浙江大學April團隊的研究給出否定答案。在自建的UniICL-Bench基準上，有模型在感知類理解任務的平均分由54.8一路跌至8-shot的6.9。

這種「例題越多、模型越糊塗」的反常現象，在統一多模態模型中尤其值得警惕，與外界一般認為示例越多越有助學習的直覺完全相悖，值得深入研究。