Yunhao Li

新框架Q-Selector优化LMM指令调优以进行图像质量评估

研究人员开发了Q-Selector，一个旨在提高大型多模态模型（LMM）在可解释图像质量评估中指令调优效率的新框架。研究发现，仅仅扩大数据集规模并非总是最优选择，精心挑选的数据子集可以以显著降低的计算成本获得更好的结果。Q-Selector采用了一个三阶段流程，包括基于LMM的聚类、用于配额分配的密度和可迁移性分析，以及用于数据采样的奇异值分解。