跳到正文
arXiv · 机器人与计算机视觉· David Huang, Lianlei Shan·· 14 小时前AI 评分58

DLWM:用于高效多模态推理的多样潜在世界模型

DLWM: Diverse Latent World Models for Efficient Multimodal Reasoning

AI 导读

arXiv 论文 DLWM 提出了一种结合潜在空间推理与强化学习的多模态推理框架。该方法构建多个候选视觉解释假设,利用正交性正则化防止假设坍缩,并通过资源感知策略动态分配计算以剪枝或合并路径。实验显示其在多项基准测试中准确率提升 2-5 点且显存占用降低 24%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org