实体
Ruiying Peng
Ruiying Peng
PulseAugur coverage of Ruiying Peng — every cluster mentioning Ruiying Peng across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Theorem-SFT通过教授定理应用来改善模型的推理能力
研究人员开发了一种名为Theorem-SFT的新方法，以提高监督微调（SFT）模型的泛化能力。该方法将重点从记忆具体的解题对转移到理解和应用显式定理。在数学推理基准测试中，Theorem-SFT表现出显著的性能提升，当应用于LLaMA3.2-3B-Instruct和Qwen2.5-VL-7B-Instruct模型时，在MATH和GeoQA数据集上取得了显著的进步。
-
新框架解决多模态大语言模型中的注意力分散问题
研究人员发现了一种称为注意力分散的现象，它会损害多模态大语言模型（MLLMs）的推理能力，尤其是在视觉问答任务中。当模型在复杂推理过程中，其视觉注意力从相关区域分散开时，就会发生这种情况。为了解决这个问题，提出了一种新的无需训练的框架——视觉区域引导注意力（VRGA），它通过重新加权注意力来使模型专注于关键视觉元素。