跳到正文
arXiv · 机器人与计算机视觉· Gregory Kang Ruey Lau, Minh Huynh Nguyen, Bryan Kian Hsiang Low·· 9 天前精选AI 评分82

TIGER:通过桥接推理 - 访问差距解锁视觉推理

Seeing Isn't Enough: Unlocking Visual Reasoning by Bridging the Reasoning-Access Gap with TIGER

AI 导读

该论文指出多模态大语言模型在视觉输入上存在推理能力下降现象,将其定义为‘推理 - 访问差距’。作者提出 TIGER(Text-to-Image Gap-targeted training for Enhanced Reasoning)方法。

推荐理由

提出 TIGER 方法通过挖掘合成反事实数据并微调,弥合视觉推理与文本推理间的差距。

来源:arXiv · 机器人与计算机视觉 · arxiv.org