Hugging Face Daily Papers·· 2026-10-01精选AI 评分83
Where-OPD:基于合成场景的空间引导多模态大模型自蒸馏方法
Where-OPD: Spatially Guided On-Policy Self-Distillation of MLLMs with Synthetic Scenes
AI 导读
论文介绍了一种针对多模态大语言模型的自蒸馏新方法 Where-OPD,利用程序化生成的合成场景提供自动获取的物体身份与空间坐标作为教师的文本空间引导。该方法使教师能定位并整合多个相关图像区域的证据,学生则仅凭图像和问题学习复现该行为。
推荐理由
提出利用程序化生成场景的文本空间引导进行自蒸馏,在纯合成数据上实现了对真实世界感知基准的有效迁移。
来源:Hugging Face Daily Papers · arxiv.org