跳到正文
arXiv · 机器人与计算机视觉· Dan Ben-Ami, Kobi Cohen, Chaim Baskin·· 2026-10-07精选AI 评分78

冻结视频语言模型编码证据就绪性:一种无需微调的触发机制与门控策略

Have I Seen Enough? Frozen Video-Language Models Encode Evidence Readiness

AI 导读

该研究提出冻结的视频语言模型(VideoLLMs)内部天然携带关于‘是否已收集足够证据’的可线性读取信号,且该信号独立于模型输出并受问题条件调制。实验显示,在严格采样下 AUROC 介于 0.733-0.905,即使回答错误时该信号仍有效(AUROC 0.722)。

推荐理由

研究发现冻结视频语言模型内部存在可线性读取的证据就绪信号,将其转化为门控策略可在匹配时长下提升准确率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org