연구진은 Vision-Language 모델(VLM)의 Chain-of-Thought(CoT) 프롬프팅이 추론 과정을 연장하는 데 필요한 시각 정보 접근 범위를 분석했어요.
Visual Access Sweep 실험 결과, CoT와 직접 답변 모두 유한한 시각적 접근 경계(VAB)를 가지며, CoT는 이미지 토큰에 대한 접근을 크게 연장하지 않고 이미지에서 파생된 은닉 상태 정보에 대한 언어 측 계산을 확장하는 것으로 나타났어요.
CoT의 성능 향상은 시각적 속성 읽어내기에 의해 제한되며, CoT는 신뢰할 수 있는 읽어내기가 가능한 속성에 대해서만 효과적이었고, 읽어내기가 불확실한 경우 효과가 없었어요.