Amber
PulseAugur coverage of Amber — every cluster mentioning Amber across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
视觉语言模型在鲁棒性、因果推理和视觉搜索方面接受测试
研究人员正在从多个维度调查视觉语言模型（VLM）的鲁棒性和推理能力。一项研究引入了OCR-Robust，这是一个用于评估VLM在光学字符识别任务中对视觉扰动的韧性的基准，揭示了图表和表格等结构性元素特别脆弱。另一篇论文探讨了VLM在因果顺序推理方面的挣扎，发现它们尽管在物体识别方面表现出色，但由于训练数据中缺乏明确的因果表达，因此表现不佳。此外，一项研究检查了VLM执行视觉搜索任务的情况，将其“推理令牌”使用与人类反应时间进行比较，并…
-
新研究解决 LVLM 幻觉问题并改进视觉-语言学习
研究人员正在开发新方法来提高大型视觉-语言模型 (LVLM) 的鲁棒性和能力。一种名为 SeeMe 的方法侧重于通过工程化视觉标记来抑制不相关信息同时保留关键证据，从而减轻幻觉。另一个框架 Text as Partial Constraint (TPC) 旨在通过将多视图字幕视为不完整监督并提炼共识语义核心来创建更可靠的表示。此外，还在探索像 HiMe 这样的新架构，用于长视域的视觉-语言-动作控制，将具身智能解耦为分层组件，以实现更…
-
新的Q学习算法提供细粒度的遗憾界限
研究人员开发了新的Q学习算法，可在片段式表格马尔可夫决策过程中提供更精确的遗憾界限。这些进展通过提供细粒度的、依赖于间隙的遗憾保证，解决了现有方法的局限性。该研究引入了一个新颖的分析框架，并提出了新的算法ULCB-Hoeffding和改进的AMB，它们展示了改进的性能和理论严谨性。
-
新的AOD框架采用几何方法解决LVLM幻觉问题
研究人员开发了一个名为对抗性正交解耦（AOD）的新框架，以减少大型视觉语言模型（LVLM）中的幻觉。该方法使用最小-最大目标来分离和去除模型内部表示中与幻觉相关的信号。实验表明，AOD在幻觉基准测试上显著提高了准确性，同时保持了在通用任务上的性能，这表明它捕捉的是广泛的偏差而非数据集特定的伪影。
-
新的解码方法解决了视觉语言模型中的幻觉问题
研究人员开发了一种名为 CHASd 的新推理时框架，以对抗大型视觉语言模型 (LVLMs) 中的幻觉。该方法，即对比幻觉感知分步解码，仅在 token 预测置信度低时选择性地激活对比解码分支。它使用由注意力引导的局部视觉扰动来最小化对有用视觉证据的干扰，在多个基准测试上提高了幻觉指标，同时保持了高效的推理。