研究人员开发了一种方法来提高视觉语言模型(VLM)在问答任务中的效率,特别是在驾驶场景中。通过在Ornith检查点上使用一种称为可验证奖励调优(VRT)的技术,他们在256个token的限制内,将答案提取率从78.25%提高到90.25%,准确率从55.50%提高到63.75%。研究发现,许多不正确的答案是由于超过了token上限,而VRT在保持准确率或提高准确率的同时,显著减少了平均生成的token数量。 AI
影响 这项研究通过在计算约束下优化响应生成,有望为自动驾驶等复杂任务带来更高效、更准确的AI模型。
排序理由 该集群包含一篇学术论文,详细介绍了一种调优视觉语言模型的新方法。[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 →