边界框提升小型语言模型在基于视觉的评分任务上的性能

研究人员探索了使用边界框来提高小型语言模型（SLM）在基于视觉的评分任务上的性能。通过使用边界框裁剪学生答卷，该研究证明了在4B到72B参数范围内的小型语言模型在评分准确性和计算效率方面取得了显著的改进。这一预处理步骤对于将小型语言模型应用于大规模教育评估至关重要，尤其是在批改手写考试等任务中。 AI

影响 这项研究提出了一种实用的方法来提高小型语言模型在教育评估工具中的效率和准确性。

排序理由 该集群包含一篇详细介绍改进人工智能模型性能的新颖方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• Australian Physics Olympiad
• Bounding Boxes to Improve Small Language Model Performance on Vision-Based Grading Tasks
• DagsHub
• Hugging Face
• Lachlan McGinness
• small language model
• train of thought

• 论文
• 模型发布

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