实体
LLaVA-NeXT-7B
LLaVA-NeXT-7B
PulseAugur coverage of LLaVA-NeXT-7B — every cluster mentioning LLaVA-NeXT-7B across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
AnchorPrune 框架通过剪枝 token 来提高视觉语言模型的效率
研究人员开发了 AnchorPrune，一个新颖的框架，旨在通过剪枝冗余视觉 token 来优化大型视觉语言模型的效率。这种无需训练的方法构建了一个相关性锚点，并用互补的上下文进行扩展，保留了关键的查询信息，同时恢复了信息丰富、非冗余的细节。AnchorPrune 在准确性-效率权衡方面表现出显著的改进，尤其是在积极压缩下，以一小部分原始 token 保持了高性能。
-
感知流网络和VGR增强LLM的视觉推理能力
研究人员开发了感知流网络（PFlowNet）以提高大型视觉语言模型（LVLMs）的视觉推理能力。PFlowNet将感知与推理分离，并使用变分强化学习来指导感知行为，旨在减少语言偏见和幻觉。该方法在V* Bench和MME-RealWorld-lite等基准测试中取得了最先进的成果。另一个相关模型VGR通过将语言推断基础化到检测到的图像区域中来增强多模态推理能力，在ChartQA等基准测试中显示出显著的改进，同时使用的图像令牌更少。