标签
这篇论文提供了系统性的证据，表明视觉-语言模型在子任务层面会出现逆向扩展现象，即在空间推理、视觉感知和 STEM 问题等任务上，更大的模型反而表现不如更小的模型，这表明模型选择应当根据具体任务来决定。