摘要
潜在视觉推理旨在模拟人类想象过程，但其有效机制尚不明确。本文利用因果中介分析探究其有效性，发现输入与潜在令牌、潜在令牌与最终答案之间存在严重脱节，表明潜在令牌未有效关注输入且对结果影响有限。探针分析显示潜在令牌编码的视觉信息有限且高度相似。据此，作者质疑潜在推理的必要性，提出
AI 推荐理由
论文核心研究视觉推理机制，通过因果分析揭示潜在空间推理缺陷并提出新范式。
研究机构
清华大学
论文信息