InternVL3.5-8B
PulseAugur coverage of InternVL3.5-8B — every cluster mentioning InternVL3.5-8B across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新研究分析VLMs的图表阅读能力
研究人员调查了视觉语言模型（VLMs）如何从垂直条形图中提取特定值，重点关注Qwen2.5VL-7B-Instruct和InternVL3.5-8B等模型。他们的分析显示，尽管条形的顶部区域视觉标记较少，但它比条形主体对答案偏好贡献更大。研究还发现，与图例和系列相关的信息在模型较早的层中处理，而几何和比例状态则在较晚的层中处理。有趣的是，两个模型都表现出利用不同来源的几何和比例信息的能力，尽管Qwen对上下文的敏感度更高。
-
新的审计方法评估MLLM中的视觉令牌溯源
一篇新的研究论文介绍了一种审计多模态大型语言模型（MLLM）中视觉令牌空间溯源的方法。该方法超越了传统的准确性指标，以评估模型正确答案是否可以追溯到支持它的特定视觉区域。研究表明，虽然准确性可能保持稳定，但不同的剪枝策略会导致可追溯性水平的巨大差异，从而影响模型的可靠性。提出的审计方法还显示出在批处理预填充速度和减少内存使用方面有潜在的收益，尽管有利的验证点不能保证任务通用压缩。
-
ET-Prune 框架通过动态剪枝视觉令牌优化多模态大语言模型推理
研究人员开发了 ET-Prune，一个新颖的框架，旨在通过动态剪枝视觉令牌来优化多模态大语言模型（MLLMs）的推理成本。与固定的剪枝比例不同，ET-Prune 通过将剪枝视为证据分配来适应富文本输入，识别并保护查询指定的数字或标签等关键信息。该方法将证据不确定性和密度转化为特定于样本的令牌预算，从而在质量-成本权衡方面取得显著改进。在 OCRBench-v2 和 MMBench v1.1 上的评估中，ET-Prune 在剪枝方法中取…