执行日志会左右 VLM 对机器人进度的评判

研究测试了画面旁文本对视觉语言模型评判机器人视频的影响：在机器人进度落后的片段中加入一句“正在取得进展”的日志，Gemini、Qwen 和 GPT 评判者把正确结论翻转为“有进展”的比例比中性文本高 10 到 35 个百分点。