Cycle-of-Thought

Self-RefineVQA 框架在无需额外训练的情况下改进表格 VQA

研究人员推出了一种名为 Self-RefineVQA 的新颖框架，旨在提高视觉语言模型 (VLM) 在回答文档图像中表格数据相关问题的准确性。这种无需训练、在推理时运行的方法利用 VLM 迭代生成、评估和改进自身答案的能力，形成一个自我纠错循环。实验表明，Self-RefineVQA 显著提升了性能，特别是对于较小的模型，使其能够在无需额外标记数据或模型更新的情况下与更大型模型竞争。