真知浩见出品论文T2
14 个视觉语言模型测试显示文本人物画像难以复现被描述者的作答
讲述并非看见：文本人物画像很少使视觉语言模型如被描述者般作答
arXiv · 发布于 2026-10-29 00:00 · 收录于 2026-11-01
摘要
一项研究在 14 个视觉语言模型上检验低视力、色盲、听力损失等角色提示能否模拟真实人群，结果显示角色提示从未胜过实测用户和仅采用人格事实的简单规则，反而抹平了群体与个体差异。研究还发现，描述模糊不改变模型识别，实际模糊图像才降低其表现，表明模型能陈述影响机制却不能据此看见。
为什么值得看：14 个视觉语言模型的对比显示，角色提示在还原残障用户回答上不及简单规则，可作为评估合成用户方法的参照。
论文/研究合成用户多模态学术 HCI