研究人员开发了PEAR,一种用于改进大型视觉语言模型多模态推理能力的自适应方法。PEAR通过自适应地重塑序列级优势,增强了模型感知视觉信息和探索不同推理路径的能力。该方法在熵值较高的位置专门增加了基于熵的探索增益,视觉依赖性越低,增益越大。在Qwen2.5-VL-3B和Qwen2.5-VL-7B模型上的实验表明,PEAR在多模态推理基准测试以及文本推理和通用多模态任务上均优于现有基线。 AI
影响 这种新方法可以增强大型视觉语言模型在复杂推理任务中的能力。
排序理由 该集群包含一篇详细介绍改进AI模型新方法的论文。[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 →