新的对比学习课程训练多模态大语言模型以高效使用缩放工具

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

研究人员开发了一种新的方法来训练多模态大语言模型（MLLMs），使其能够高效地使用缩放工具，而无需进行大量的监督微调。该方法利用了 InfoNCE 风格的奖励，并以对比负面工具调用的课程作为训练信号。在 HRBench 和 MME-RealWorld 等基准测试上的实验表明，该方法具有竞争力且效率更高，即使在直接替代监督微调时也优于基线。还引入了一个名为 Muffin&Chihuahua 的新数据集，专门用于衡量缩放能力，结果显示召回率与最终任务性能高度相关。 AI

影响引入了一种更高效的 MLLMs 训练方法，有望提高它们处理高分辨率图像和复杂视觉任务的能力。

排序理由详细介绍多模态大语言模型新训练方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 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: 17 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍多模态大语言模型新训练方法的学术论文。[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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CL TIER_1 English(EN) · Falko Helm, Iryna Gurevych · 2026-09-04 04:00

使用对比课程高效学习Zoom

arXiv:2609.03206v1 Announce Type: cross Abstract: Using a zoom-in tool is an important foundational part of modern visual agents, because it allows to efficiently handle tasks involving high-resolution images. Most previous methods need an extensive warm-start supervised fine-tun…

本文如何被排名

报道来源 [1]

使用对比课程高效学习Zoom

相关实体

相关话题