标签
本文评估了小型开源视觉-语言模型（Qwen2-VL-2B和SmolVLM）如何处理现实图像退化，发现它们口头表达的信心不可靠，而内部令牌概率提供了更好的错误检测能力，尽管两者在严重低光条件下均失败。