文化混合

一帧世界：将文化混合理解为视觉语言模型的新挑战

World in a Frame: Understanding Culture Mixing as a New Challenge for Vision-Language Models

为 LVLM 研究提供了一个可复用的文化混合 VQA 基准与四种子任务设定，并验证了用扩散生成的多文化混合数据做监督微调可显著降低模型对背景的依赖、提升跨上下文预测一致性，可作为评估和缓解 LVLM 背景偏置的参考范式。