跳到正文
arXiv · 机器人与计算机视觉· Zhihan Yin, Jianxin Liang, Yifeng Yao, Nonghai Zhang, and Bingyue Peng, Chunguang Qie, Huishuai Zhang, Dongyan Zhao·· 16 天前精选AI 评分78

MIRA:通过欺骗性上下文增强强化多模态推理

MIRA: Reinforcing Multimodal Reasoning via Deceptive Contextual Augmentation

AI 导读

论文 MIRA 针对现有框架中因过度依赖视觉 token 导致的感知 - 推理差距问题,提出一种训练框架以增强鲁棒性和逻辑推理能力。该方法通过在训练中注入过滤后的欺骗性视觉上下文构建‘硬陷阱’,并引入组内反思触发机制使模型自主检测并修正视觉线索与逻辑约束间的不一致。

推荐理由

该工作提出通过注入欺骗性视觉上下文来强化多模态推理的鲁棒性,无需人工标注即可提升模型在感知扰动下的逻辑一致性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org