研究人员引入了VIG(视觉信息增益),这是一种旨在提高多模态大型推理模型效率的新型奖励信号。VIG通过衡量包含图像时预测不确定性的减少量来量化推理令牌贡献了多少视觉信息。这种方法在线运行,无需外部标注或辅助模型,在包括Qwen3-VL-Thinking在内的各种基准测试和模型规模上,始终能提高准确性-效率的权衡。核心原则是通过提高视觉信息密度来实现高效的多模态推理,确保每个令牌都基于图像。 AI
影响 该方法可以通过确保推理令牌直接与视觉输入相关,从而实现更高效、更准确的多模态人工智能系统。
排序理由 该集群描述了学术论文中提出的一种新方法。[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 →