零样本视觉语言模型在孟加拉淡水鱼识别中的审计研究

该研究审计了CLIP、BioCLIP、BioCLIP2及Jina CLIP v2等零样本视觉语言模型在孟加拉淡水鱼识别任务上的表现。结果表明，模型报告的准确性可能受到比视觉知识更多的因素影响，如命名和上下文敏感性。研究强调了评估此类模型时需谨慎解读其能力。

AI推荐理由 该研究提醒AI从业者，零样本视觉语言模型在长尾或领域特定任务上的准确率可能受命名和上下文偏差影响，直接依赖报告分数会导致应用选型失误。在生物多样性监测等实际部署中，需结合验证集和细粒度评估，以避免效果落差和后续返工成本。