研究人员开发了一种新的多模态大语言模型（MLLM），名为Composer，旨在提高AI系统的可解释性和可信度。Composer利用学习到的代理令牌明确地将文本解释与视觉基础信息联系起来，解决了当前模型中存在的语义空间差距。这种新颖的机制允许模型将视觉区域视为可寻址的集合，将视觉基础的准确性提高了9.0个百分点，同时保持了最终答案的准确性。创建了一个名为ComposerGCoT的新数据集来严格评估这一基础机制，证明离散代理令牌比传统的文本坐标在捕捉空间语义方面更有效。 AI
影响 引入了一种新颖的多模态大语言模型（MLLM）可解释性方法，有望提高关键AI应用的信任度和可靠性。
排序理由 该集群包含一篇详细介绍新模型和数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
