Visual Memory Misbinding（视觉记忆错绑）

视觉记忆错绑指多模态大模型在基于图像进行问答或描述时，虽然能正确识别图像中的物体，但可能错误地绑定物体的属性（如将红色苹果说成绿色）或混淆空间关系。这种现象源于模型在融合视觉和文本信息时，未能精确保持对象与属性的对应关系。研究通过设计特定测试集（如交换物体属性）来评估模型的记忆准确性。该问题影响模型在需要精确视觉记忆的任务中的可靠性，如视觉对话和机器人导航。相关研究旨在改进多模态表示的对齐和绑定机制。