深度分析 StemBind:揭示多模態大型語言模型在抽象視覺推理中的規則綁定缺口 隨著多模態大型語言模型在抽象視覺推理上展現出「規則正確但答案錯」的現象,研究者推出StemBind診斷基準,透過同一視覺題幹的感知、規則與完整三題測試,發現超過半數模型在規則綁定步驟失敗,規模與思考模式亦未能改善。此結果顯示當前模型仍缺乏將抽象規則映射至具體選項的能力,呼籲未來研究聚焦於規則綁定機制與更精細的評估。