3,583 papers
arXiv:2609.20139 82 17 сент. 2026 г. PRO

Verbose Padding: как лишние слова в промпте лечат "слепоту" AI к плохим фото

КЛЮЧЕВАЯ СУТЬ
Обнаружено: VLM (модели, понимающие текст и картинки) меняют ответ на противоположный от одного легкого размытия фото — хотя картинка визуально почти не изменилась. Метод verbose padding позволяет получать стабильные ответы от VLM на смазанных, тёмных и пережатых фото — без переобучения модели, только правкой промпта. Добавление нейтральных слов в вопрос расширяет диапазон деталей картинки, на которые модель смотрит одновременно — от грубых контуров до мелких текстур. Чем шире этот диапазон, тем меньше шанс что искажение фото попадёт точно в узкую зону, на которую модель смотрела бы при коротком вопросе.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с