实体
TextVQA
TextVQA
PulseAugur coverage of TextVQA — every cluster mentioning TextVQA 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
最近 · 第 1/1 页 · 共 2 条
-
新理论通过选择最优控制器类别来指导LLM的行动决策
研究人员引入了“制度理论”（Regime Theory），以指导大型语言模型（LLM）如何为给定输入选择最佳行动。该理论根据数据可估计的瓶颈，将控制器分为四类：从简单的固定行动到复杂的先验门控控制器。该框架旨在通过考虑潜在的改进以及实例级信号的可靠性等因素来优化决策。在各种基准测试中的实验表明，预测的控制器类别与经验上的获胜者相匹配，其中先验门控控制器在TextVQA上表现最佳。
-
LinMU 为多模态理解模型实现线性复杂度
研究人员开发了 LinMU，一种新颖的视觉语言模型（VLM）架构，实现了线性复杂度，克服了当前模型二次复杂度的限制。这种新设计利用了 M-MATE 块，结合了状态空间模型和窗口注意力，以高效处理高分辨率图像和长视频。通过三阶段蒸馏过程，LinMU 在显著减少处理时间和提高吞吐量的同时，达到了现有模型的性能，使先进的多模态推理更加易于访问。