arXiv new/cross; VLM representation probing · P3 · 2026-07-14

The Count Is There, but Misaligned：它和通用视觉自监督的关系在于：用 activation probe 证明 VLM 可能内部知道 object count 但输出方向错位

中相关；详见方法、贡献和实验边界。

The Count Is There, but Misaligned: Understanding and Correcting Counting Failures in VLMs　arXiv new/cross; VLM representation probing　原文链接

编号2607.09544 优先级P3 类别arXiv new/cross; VLM representation probing 会议arXiv new/cross; VLM representation probing 方法用 activation probe 证明 VLM 可能内部知道 object count 但输出方向错位来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：用 activation probe 证明 VLM 可能内部知道 object count 但输出方向错位。中相关；详见方法、贡献和实验边界。

**Figureure 1 · : Overview of the activation-based probing, intervention, and self-cor**Figure 1: Overview of the activation-based probing, intervention, and self-correction framework. The pipeline extracts VLM hidden states to train probes, analyze representational subspaces via SVCCA, causally steer activations along probe-derived count directions, and selectively trigger inference-time correction using an internal error detector.这张图概括 The Count Is There, but Misaligned 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**(d) Different color different shape Figure 12: Layer-wise SVCCA similarity scores for vari**(d) Different color different shape Figure 12: Layer-wise SVCCA similarity scores for various Vision Language Models and Datasets. High scores indicate strong alignment between ground truth and output probes.这张可视化用来解释 The Count Is There, but Misaligned 学到的中间表征或对齐关系。重点看它是否支持正文里的机制判断。

核心问题

它和通用视觉自监督的关系在于：用 activation probe 证明 VLM 可能内部知道 object count 但输出方向错位。

方法拆解

用 activation probe 证明 VLM 可能内部知道 object count 但输出方向错位

主要贡献

中相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。