Hospitality-VQA：面向视觉语言模型的决策导向信息性评估
人工智能
2026-03-10 v1 机器学习
摘要
近期视觉语言模型（VLM）在通用领域展现出惊人的多模态理解能力，但在面向决策导向的领域如酒店业的适用性尚未得到广泛探索。本文研究 VLM 在关于酒店和设施图像的视觉问答任务中的表现——这些图像是消费者决策的核心。虽然许多现有 VQA 基准关注事实正确性，却很少捕捉用户实际发现有用的信息。为此，我们首次提出信息性（Informativeness）框架，量化图像-问题对提供酒店相关信息的程度。依据该框架，我们构建了覆盖多种设施类型的全新酒店专用 VQA 数据集，问题设计旨�反映关键用户信息需求。使用该基准，我们对几种最新 VLM 进行实验，发现 VLM 在本质上并非决策感知——关键视觉信号仍被低估，唯有在适度的领域特定微调后，才出现可靠的信息性推理能力。
引用
@article{arxiv.2603.07868,
title = {Hospitality-VQA: Decision-Oriented Informativeness Evaluation for Vision-Language Models},
author = {Jeongwoo Lee and Baek Duhyeong and Eungyeol Han and Soyeon Shin and Gukin han and Seungduk Kim and Jaehyun Jeon and Taewoo Jeong},
journal= {arXiv preprint arXiv:2603.07868},
year = {2026}
}
备注
Accepted at EACL 2026 SRW. 16 pages