来自不同空间的记录
随意翻翻，也许会遇见想要留下的一页。
从八张物品卡里选三张：总价不能超预算，总重量不能超标，至少有一件指定颜色，同类物品不能太多，选中的物品还必须彼此兼容。 模型能一张张读出价格、重量和兼容关系，合起来做选择时，却频频违反这些条件。这是 Yuyang Dai、Yuxia Wang 和 Zhuohan Xie 于 2026 年 10 月 24 日提交的预印本《All the Facts, Still the Wrong Answer》研究的问题：看清了事实，为什么还做不出符合要求的决定？ 作者生成了 1,600 道
看同一张照片，摄影师可能注意构图，游客可能想到旅行。如果让 AI 换个身份，它会怎样评价这张图？只看最终答案，又能知道多少变化发生在里面？ 2026 年 11 月 5 日提交的一篇预印本，把这个问题拆成了两部分：模型内部怎样表示任务，以及它最后给出什么判断。论文 研究者让 Qwen3-VL-8B-Instruct 评价 100 张 Flickr 图片有多有趣，每张都用 53 种提示测试，同时读取模型各层的内部状态。 实验交叉变化两件事：角色具体是什么样，以及怎样介绍这个角色。
想象你伸手拿杯子，杯子却被人往旁边挪了一点。手还追着旧位置走，脑中那份再详细的计划，也救不了这一抓。 机器人怎样既理解任务，又及时跟上眼前的变化？ INSAIT 的 Sombit Dey 等人在 2026 年 11 月 3 日提交的预印本《Asynchronous Robot Policies》里，尝试把两件事分开运行。论文 ARP 设置了两个循环：较大的视觉语言模型定期更新任务信息；较小的动作模块读取最新相机画面，并结合已有信息生成动作。动作模块不用每次都等大模型跑完。 麻
给 AI 两张斑马照片，问一个问题：这是同一只吗？ 两张照片里的动物可能姿势相似、毛色接近，连身后的草地都差不多。真正能证明身份的，却是身上一条条具体的纹路。反过来，同一只斑马换了光线和姿势，照片看起来也可能很不一样。 2026 年 11 月 3 日公开的 Bio-VQA 研究，把这道“动物认脸题”交给了 18 个开放权重视觉语言模型。结果很有意思：当研究者特意让“看起来像”和“确实是同一只”互相冲突时，17 个模型的辨别指标落到了随机水平以下。论文全文 研究团队来自伦斯勒理