Text Over Visuals: ASCII Art Reveals Text Bias in Vision-Language Models

本研究探讨视觉语言模型（VLMs）在处理ASCII艺术时所面临的局限，特别是在文本与视觉模式冲突的情况下。研究发现，VLMs展现出强烈的文本优先偏见，随着语义复杂度增加，视觉识别能力显著下降。这一发现揭示了当前VLMs在多模态信息整合中的基本缺陷，为未来模型的改进提供了重要指导。

本研究分析了视觉语言模型（VLMs）在处理ASCII艺术时的局限性，发现其在文本与视觉模式冲突时存在文本优先偏见，且随着语义复杂度的增加，视觉识别能力下降。这为未来模型的改进提供了参考。

ASCII艺术 models 文本优先偏见 模型改进 视觉识别 视觉语言模型
原文英文，约100词，阅读约需1分钟。发表于：。
阅读原文
分享给好友