arXiv · cs.AI · Shubh Garg, Divyansh Pandey, Vedant Khandelwal, Niyati Rawal, Amit Sheth · 8 小时前模型评分46
研究：具身视觉语言模型是否真的用上了场景图记忆
Do Embodied VLMs Actually Use Their Scene-Graph Memory?
导读
一项诊断研究提出“图替换测试”，把每段路线换成另一段的场景图，统计答案变化数量，以判断视觉语言模型（VLM，Vision-Language Model）是否真的依赖场景图记忆。
分类置信度
中 · 待人工复核
- 存在未解决的相邻类别：embodied-ai，需要人工复核。
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “In this diagnostic study, we introduce a graph-swap test for the last of these: each episode is given another episode's graph, and we count how many answers change.”
来源：arXiv · cs.AI · arxiv.org