参考交流中 LVLM 的隐式与显式提示策略

最近的两项研究 \citep{jones2026llms, zeng2026lvlms} 对于大型视觉语言模型（LVLM）是否可以与人类类似地协调有效的指称表达得出了明显矛盾的结论。我们控制研究之间的任务差异，同时直接比较它们的提示风格。我们重复了这样的发现：当 \textit{explicitly} 提示时，模型可以协调有效的引用表达式，这表明其他任务差异并不导致不同的结果。然而，我们还发现，相同的模型无法从更隐式的提示中推断出对沟通效率的需求，这凸显了人类和人工智能系统沟通方式之间的关键差异。