NeurIPS 2026 | 视觉语言大模型不关注场景中的人类,反而靠物体大小判断谁

这份 NeurIPS 2026 的论文结论很直白,现在主流视觉语言大模型看着能流畅描述图片、回答视觉问题,但它判断画面里什么东西重要的逻辑和