生物分类学知识

LLM 瓶颈：开源视觉大语言模型为何难以进行层级视觉识别

The LLM Bottleneck: Why Open-Source Vision LLMs Struggle with Hierarchical Visual Recognition

论文用约百万道四选一视觉问答任务，把「层级分类一致性」拆成可量化的评测维度，并证明瓶颈在 LLM 一侧而非视觉编码器；做层级识别、细粒度分类或 VLM 微调的人可以直接复用这套诊断协议，判断性能上限是被语言模型的知识缺口卡住，还是被视觉表征卡住。