arXiv · 机器人与计算机视觉· Yanjun Fu, Quanzeng You, Jiadong Guo, Yujie Lu, Sai Charitha Akula, Haiping Wu, Miao Liu, Sanghamitra Dutta, Lu Yuan·· 2 天前精选AI 评分82
LogT:利用图像进行逻辑思考以支持视觉搜索
LogT: Logically Think with Images for Visual Search
AI 导读
论文提出 LogT(Logically Think with Images),一种全自动 SFT 数据生成引擎,旨在解决视觉语言模型在使用外部工具进行细粒度视觉搜索时的逻辑推理挑战。
推荐理由
提出 LogT 全自动 SFT 数据引擎,通过逻辑链引导推理,在更少数据和算力下实现超越现有 RL 方法的性能。
来源:arXiv · 机器人与计算机视觉 · arxiv.org