PulseAugur
中
实时 00:08:00
English(EN) Test-Time Scaling for Small VLMs on Multilingual Visual MCQ

小规模视觉语言模型通过测试时缩放提升多语言视觉任务表现 · 追踪 2 个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员调查了测试时缩放（TTS）技术，以提高小规模开放视觉语言模型（VLMs）在多语言视觉问答任务上的性能。他们对 EXAMS-V 基准的研究所使用的模型包括 Qwen2.5-VL-7B-Instruct 和 Qwen3.5-4B，发现提示格式和解码预算比复杂的搜索或验证方法更关键。通过优化这些因素，他们最好的配置在 ImageCLEF 2026 测试集上达到了 84.1% 的准确率，在视觉选择题排行榜上名列前茅。 AI

影响 优化提示格式和解码预算可以显著增强小规模视觉语言模型在复杂多语言任务上的推理能力。

排序理由 该集群包含一篇详细介绍改进视觉语言模型性能研究结果的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

小规模视觉语言模型通过测试时缩放提升多语言视觉任务表现 · 追踪 2 个来源

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Spiros Baxevanakis, Peng-Jian Yang ·

    面向多语言视觉选择题的小型视觉语言模型（VLM）的测试时缩放

    arXiv:2607.09438v1 Announce Type: cross Abstract: Test-time scaling (TTS) reliably improves reasoning in large language models, but whether it transfers to small open vision-language models remains unclear. We examine this on EXAMS-V, a multilingual visual multiple-choice benchma…

  2. arXiv cs.AI TIER_1 English(EN) · Peng-Jian Yang ·

    面向多语言视觉选择题的小型视觉语言模型（VLM）的测试时缩放

    Test-time scaling (TTS) reliably improves reasoning in large language models, but whether it transfers to small open vision-language models remains unclear. We examine this on EXAMS-V, a multilingual visual multiple-choice benchmark, comparing self-consistency, describe-then-reas…

相关实体

相关话题