arXiv · 机器人与计算机视觉· Junsung Park, Sangwon Yu, Donghun Kang, Yeongtak Oh, Jaewon Jeong, Gyeongtae Yoo, Han Cheol Moon, Jungbeom Lee, Sungroh Yoon·· 15 天前AI 评分59
会写而不仅是指:视觉语言模型中的图像检索头研究
Heads That Write, Not Just Point: Image Retrieval Heads in Vision-Language Models
AI 导读
论文提出 ICIR-MCQ 探针方法,通过分析注意力质量识别指向目标图像的稀疏指针头,并通过训练轻量级检索器识别输出包含足够信息的写入头。研究发现两者选出的头部集合仅有少量重叠,且只有同时满足两种标准的头部对多图像推理具有最一致的因果效应。代码与数据已开源,该文已被 NeurIPS 2026 接收。
来源:arXiv · 机器人与计算机视觉 · arxiv.org