跳到正文
arXiv · 机器人与计算机视觉· Wenkang Zhou, Chen Yang, Jiaheng Peng, Xitong Li, Hongzhi Yin, Yunke Zhang, Lu Yu, Peng-Fei Zhang, Xuhui Ren, Shijie Zhang·· 2 天前AI 评分58

ThinkWise:基于视觉与难度感知的多模态推理大模型何时思考的学习方法

ThinkWise: Learning When to Think in Large Multimodal Reasoning Models via Visual and Difficulty Perception

AI 导读

该论文针对现有多模态推理大模型在视觉定位不确定时过度分配深层推理的问题,提出 ThinkWise 框架。该方法引入实例自适应的视觉感知建模机制以校准不确定性,并设计包含答案、感知与难度条件的结构化奖励公式来调节推理深度。实验表明,ThinkWise 在多个基准测试中显著提升了 3B 和 7B 模型的准确率与效率平衡。材料为预印本论文,未涉及真实机器人部署或产品发布。

来源:arXiv · 机器人与计算机视觉 · arxiv.org