マルチモーダルLLMの画像活用に潜む「幻想」：因果分析が示す真の課題

マルチモーダルLLMにおける画像ツール活用は、高コストの割に効果が限定的であると指摘されています。本研究は、視覚的証拠が回答に与える因果的影響を詳細に分析し、「視覚ツール使用の幻想」と名付けられた現象を明らかにしました。表面的な精度向上に隠された、真の問題点と今後の開発指針を示唆します。