Interactive Visual Grounding: ИИ теряется, когда должен сам построить задачу через вопросы

Обнаружено: ИИ задаёт больше всего вопросов именно тогда, когда у него вообще нет описания задачи — и всё равно проигрывает даже сценарию без диалога вообще. Метод показывает: если дать модели хотя бы черновой, неполный контекст и разрешить доуточнять — результат поиска цели становится лучше, чем без диалога вовсе. Фишка в том, что модель хороша в починке черновика, но плохо в синтезе с нуля — без опорной точки вопросы сыплются в пустоту, а ответы не складываются в целую картину.