跳到正文
arXiv · 机器人与计算机视觉· Guanxu Yu, Yuhang Yao·· 5 小时前AI 评分58

Visual Jev:基于共享视觉上下文的高效准确视觉决策模型

Visual Jev: Accurate and Efficient Decisions from Shared Visual Context

AI 导读

论文提出了 Visual Jev 视觉决策模型,结合 LM-head 候选读出、答案监督后训练及独立问题分支架构。在四个基准测试的保留图像上,任务 SFT 将 4B 模型的宏观准确率从 83.4% 提升至 88.5%,错误判别 AUROC 从 0.834 提升至 0.890,且优于托管 Jev 和 OpenAI Decisions API。

来源:arXiv · 机器人与计算机视觉 · arxiv.org