English(EN) Beyond Sequential Distance: Inter-Modal Distance Invariant Position Encoding

新的DIPE方法解决了多模态LLM中的视觉衰减问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-29 04:00

研究人员开发了一种名为距离不变位置编码（DIPE）的新位置编码方法，以解决多模态大语言模型（MLLM）中的“视觉衰减”问题。该问题会导致MLLM随着文本序列的增长而失去对视觉标记的关注，使文本生成脱离视觉上下文。DIPE根据模态交互来解耦位置编码，为模态内交互保留局部结构，同时为跨模态交互锚定感知邻近性。当与多模态RoPE集成时，DIPE已显示出在长上下文场景中保持稳定的视觉基础，而不会牺牲在标准基准测试上的性能。 AI

影响这种新的编码方法可以提高多模态AI系统在处理长文本和图像序列时的可靠性。

排序理由该集群包含一篇详细介绍改进多模态LLM性能的新技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇详细介绍改进多模态LLM性能的新技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 94 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Lin Chen, Bolin Ni, Qi Yang, Zili Wang, Kun Ding, Ying Wang, Houwen Peng, Shiming Xiang · 2026-06-29 04:00

超越序列距离：跨模态距离不变位置编码

arXiv:2603.10863v2 Announce Type: replace Abstract: Despite the remarkable capabilities of Multimodal Large Language Models (MLLMs), they still suffer from visual fading in long-context scenarios. Specifically, the attention to visual tokens diminishes as the text sequence length…

本文如何被排名

报道来源 [1]

超越序列距离：跨模态距离不变位置编码

相关实体

相关话题