跳到正文
arXiv · 机器人与计算机视觉· Robert Wijaya, Ngai-Man Cheung·· 8 天前AI 评分55

大视觉语言模型中的认知专家混合架构

Mixture of Cognitive Experts in Large Vision-Language Models

AI 导读

该论文针对大视觉语言模型(LVLM)在跨认知层级任务中推理一致性的挑战,提出一种基于 Bloom 分类学的多模态推理框架。方法首先利用专用计算机视觉模型作为感知子系统处理对象检测与空间布局等任务,随后通过两阶段认知言语化生成原子证据摘要并转化为分步推理轨迹,最后由轻量级模块量化分析以明确证据使用路径。

来源:arXiv · 机器人与计算机视觉 · arxiv.org