Понимание воздействия дистрибьюторов на разработку моделей перспективного видения и языка

arXiv: 2511.21397v3 Тип уведомления: заменить резюме: Как неотносительная информация (т.е. отвлекающие устройства) влияет на масштабирование времени испытаний в моделях языка зрения (VLM)? Предыдущая работа над текстовыми моделями показала, что текстоотводители могут усилить обратное масштабирование, в результате чего модели будут рассуждать дольше, но менее эффективно. В ходе этой работы мы изучаем вопрос о том, возникают ли аналогичные явления в мультимодальных условиях. Мы введем Idis (Images with deleganters), визуальный набор ответов на вопросы, который систематически различает отвлекающие устройства по семантическим и цифровым измерениям. Наши анализы показывают, что визуальные отвлекающие устройства оказывают влияние на рассуждения VLM коренным образом по сравнению с текстовыми отвлечениями: хотя обратный масштаб все еще возникает, визуально-отвлекительные устройства уменьшают точность без увеличения объема рассудков. Далее мы показываем, что подсчеты атрибутов, полученные из логических следов, дают ключевое представление о том, как отвлекающие факторы взаимодействуют с длиной и точностью рассуждений. Как проверка здравого смысла, мы