幻象-幻象：视觉语言模型在无幻象的地方看到幻象

幻象虽然有趣，但也是认知科学、哲学和神经科学中的有用诊断工具。典型的幻象显示出某物"真实的样子"与"看起来的样子"之间的差距，这一差距有助于我们理解导致某物看起来的样子的心理加工。幻象在探讨人工系统时也很有用，许多研究都考察了计算感知模型是否落入与人类相同的幻象之陷。本文颠倒了感知幻象的标准用途，以考察当前视觉语言模型中的基本处理错误。我向这些模型呈现幻象-幻象，这些是常见幻象的邻居，本应不会引发处理错误。这些包括如完美合理的鸭子、弯曲的直线（这条线确实是弯曲的）、看起来大小不同的圆（它们实际上大小不同）等。我展示了许多当前的视觉语言系统误将这些幻象-幻象视为幻象。我认为，这些失败是更广泛的已在文献中讨论过的失败的组成部分。