锚定，不分级：视觉语言模型在倾斜纹理感知方面失败

人类对纹理表面倾斜的感知表现出系统的、分级的偏差，这些偏差在心理物理学实验中可靠地出现。之前的研究表明，无监督 CNN 会产生一些类似人类的偏见，而有监督 CNN 则不会。视觉语言模型 (VLM) 是否表现出类似的能力？在多个 VLM 系列和模型尺度中，零样本和上下文提示都会产生明显的失败：仅在一小部分锚点处预测倾斜（例如，0\度、$\pm$25\度、$\pm$45\度），几乎不依赖于刺激视场、光学倾斜或表面曲率。受监督的 微调 部分修复了故障，但残余锚定仍然存在。虽然高级视觉语言基准测试的成功可能不需要对底层几何线索敏感，但我们将锚定解释为表示到输出语言接口的失败：不一定缺乏几何编码，而是未能以分级形式表达它。