VLM testati per il rilevamento di clipping geometrico nel QA dei videogiochi

Uno studio su arXiv valuta i modelli linguistico-visivi (VLM) per il rilevamento di clipping geometrico nel controllo qualità dei videogiochi. Un agente di esplorazione personalizzato naviga i livelli di gioco per raccogliere osservazioni visive, e una pipeline di annotazione automatica fornisce etichette di clipping a livello di fotogramma. Sei VLM recenti—Gemini, GPT, Qwen, Gemma, Llama e Ministral—vengono confrontati con prompting zero-shot utilizzando quattro varianti di prompt. I risultati mostrano che i VLM possono catturare indizi visivi ma producono falsi positivi sostanziali su fotogrammi ambigui come geometrie quasi a contatto e occlusioni parziali. Gemini-3.1-Flash raggiunge la migliore accuratezza e robustezza alla variazione dei prompt.