检索反事实示例提升视觉上下文学习

视觉语言模型在多模态推理任务中表现优异，但常难以解耦细粒度视觉属性及推理潜在因果关系。现有上下文学习依赖被动相似性检索，易选取非因果相关示例，放大虚假关联。本文提出 CIRCLES 框架，通过属性引导的组合图像检索，主动构建包含反事实风格的演示集。该方法使模型能隐式推理属性与结果间的因果关系，超越表面相关性。实验表明，CIRCLES 在多种架构及数据稀缺场景下均显著优于现有方法，提升了推理的鲁棒性与 grounded 性。