新的GAM-Agent框架通过博弈论提升LLM的视觉推理能力

研究人员开发了GAM-Agent，一个采用博弈论方法增强大型语言模型视觉推理能力的新框架。该系统将推理过程视为一个非零和博弈，其中专业代理进行协作，并有一个专门的代理确保逻辑一致性和事实准确性。该框架使用结构化通信，包括不确定性估计，并设有一个不确定性感知控制器，在出现分歧时启动多轮辩论，从而产生更鲁棒和可解释的结果。实验表明，GAM-Agent在MMMU和MMBench等基准测试中显著提升了性能，使小型模型性能提升高达6%，大型模型如GPT-4o性能提升2-3%。 AI

影响 增强了LLM的多模态推理能力和可解释性，有望提高在复杂视觉任务上的性能。

排序理由 该集群包含一篇关于新AI研究框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• GAM-Agent
• GPT-4o
• InternVL3-14B
• Jusheng Zhang Sheng
• MMBench
• MVBench
• Qwen2.5-VL-7B
• V*Bench

• 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 →