研究测试多模态模型在等价光谱表示下决策一致性
原文标题：Do Multimodal Models Decide Consistently on Equivalent Optical Spectra?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在硅超表面与金纳米颗粒实测光谱上测试多模态模型的表示不变性与弃答能力，同一光谱以四种表格与两种图呈现。仅改变表示即可让同一模型准确率波动最多 41 个百分点；缺失关键极值时模型很少回答「无法确定」。LoRA 微调 d3-nano 的弃答提升部分来自「输入被截断就弃答」的捷径。
深读 · 结论先行AI 生成展开看要点与影响 ↓
仅改光谱表示即可让同一多模态模型准确率波动最多 41 个百分点
- •同一光谱以四种表格（nm、μm、科学计数法、eV）与两种图呈现
- •仅换表示，同一模型准确率波动最多 41 个百分点，多集中在光子能量表格与图
- •同一证据下改用光子能量提问，部分模型-视图组合提升 16-50 点，另一些下降最多 25 点
- •缺失关键极值时，未适配模型很少回答「无法确定」
- •LoRA 微调 d3-nano 的弃答提升部分来自「输入被截断就弃答」的捷径；用可回答截断训练可在全部六个种子中避免该捷径
为什么重要：对科学数据多模态评测是警示：准确率差异可能来自表示而非能力，弃答指标也需排查捷径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。