别看数字：视觉锚定偏差与视觉-语言模型中的图层级表征
人工智能
2026-05-13 v1
摘要
图像上嵌入的数值锚定系统性地影响视觉-语言模型的质量判断，测试了六个来自五个架构家族的 VLMs（ANOVA = 0.18-0.77，所有 p < 0.001）。锚定效应是严重图像质量退化效应的 2.5 倍，确认偏差不可通过视觉变化来消除。层级探测揭示了一致的解耦：在锚定分类饱和的层级 (L12-L34) 对质量预测不够理想，最佳层级更深 (R² = 0.69-0.91)。融合分析识别出架构依赖的集成——在两个模型中即时融合于 L1-L2，而在另外三个模型中为部分或无融合。这一结果建立了视觉锚定偏差的因果解释，将行为易感性与表征动力学关联。
引用
@article{arxiv.2605.11218,
title = {Don't Look at the Numbers: Visual Anchoring Bias and Layer-wise Representation in VLMs},
author = {M. Shalankin},
journal= {arXiv preprint arXiv:2605.11218},
year = {2026}
}