English(EN) From Glance to Focus: Mitigating Recognition Laziness in MLLMs for Fine-Grained Recognition

新框架 LIVE 解决 MLLM 中的“FGVR 惰性”问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-12 04:00

研究人员发现了一种称为 FGVR 惰性的现象，存在于多模态大语言模型 (MLLM) 中。在这种现象下，当模型接收到特定的类别列表和识别指导时，它们会低估其视觉识别能力。为了解决这个问题，他们提出了一个无需训练的框架，名为 LIVE (Laziness-resIstant Visual rEcognition)。LIVE 能够优化候选列表和识别指导，以更好地利用 MLLM 中潜在的 FGVR 能力，并在各种基准测试和 MLLM 主干模型上都展现出有效性。 AI

影响这项研究有望提高 MLLM 在需要细粒度视觉识别任务中的准确性和效率，可能对增强现实和医学诊断等应用产生影响。

排序理由该集群包含一篇学术论文，详细介绍了一种提高 MLLM 在特定任务上性能的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 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: 9 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群包含一篇学术论文，详细介绍了一种提高 MLLM 在特定任务上性能的新方法。[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: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Yutong Yang, Zhuqi Liu, Mouxing Yang, Xi Peng · 2026-10-12 04:00

从一瞥到聚焦：减轻MLLM在细粒度识别中的识别惰性

arXiv:2610.13154v1 Announce Type: new Abstract: Multimodal Large Language Models (MLLMs) generally fall short of expectations in Fine-Grained Visual Recognition (FGVR), although they exhibit promising FGVR foundations, i.e., visual perception and broad category knowledge. Most ex…

本文如何被排名

报道来源 [1]

从一瞥到聚焦：减轻MLLM在细粒度识别中的识别惰性

相关实体

相关话题