一项新的研究论文揭示,视觉-语言模型(VLMs)会表现出反向缩放现象,这意味着更大的模型在特定子任务上的表现有时会不如较小的模型。这一现象在四个不同系列共19个模型以及多个基准测试中均有观察到,尤其是在多图像空间推理、视觉感知和大学水平的STEM知识等领域。这些发现挑战了仅仅增加模型规模就能全面提升多模态能力的假设,并表明针对特定任务选择模型至关重要。 AI
影响 表明为特定任务选择合适的模型规模至关重要,而不是假设更大的模型总是更优越。
排序理由 该集群包含一篇详细介绍模型缩放特性的研究论文。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- China
- France
- Gemma~3
- Hugging Face
- InternVL3.5
- Librarian Bot
- Molmo 2
- Qwen3 VL
- Scaling Laws for Autoregressive Generative Modeling
- Semantic Scholar API
- vision-language model
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →