跳到正文
arXiv · 机器人与计算机视觉· Tong Fu·· 9 天前精选AI 评分78

QCVS:一种用于多模态推理的问题对比视觉引导方法

QCVS: Question-Contrastive Visual Steering for Multimodal Reasoning

AI 导读

针对视觉语言模型推理时感知噪声干扰问题,作者提出 QCVS 方法,通过双差分激活探测隔离任务特定方向,利用双阈值门控机制仅在必要时更新隐藏状态。在 Qwen3.5 和 DeepSeek-VL2 上的实验显示,该方法在稀疏覆盖下实现最高约 13.98% 的修复率,同时将副作用降至 0.41%,无需真值监督即可提升多模态推理准确率。

推荐理由

提出无需真值监督的推理干预方法,在稀疏覆盖下实现高精度修复与低副作用。

来源:arXiv · 机器人与计算机视觉 · arxiv.org