跳到正文
arXiv · 机器人与计算机视觉· Yigit Yilmaz, Elena Petrova, Mehmet Kaya, Lucia Rossi, Amir Rahman·· 2026-10-12精选AI 评分82

TraceICL:一种用于鲁棒多模态上下文学习的线程解析演示策展与一致性校准框架

TraceICL: Thread-Resolved Demonstration Curation with Consistency Calibration for Robust Multimodal In-Context Learning

AI 导读

论文提出 TraceICL 框架(AVA),旨在解决交错多模态上下文学习中图像绑定错误、冗余示例干扰及噪声答案复制等问题。

推荐理由

该框架在冻结大模型上通过无梯度方法优化演示选择与一致性校准,平均提升最强基线 1.7 分。

来源:arXiv · 机器人与计算机视觉 · arxiv.org