跳到正文
arXiv · 机器人与计算机视觉· Xi Ding, Jiawei Zhang·· 14 小时前AI 评分70

SpecLook:一种用于快速可靠的多模态代理大模型的观察点推测方法

SpecLook: Speculating Where to Look for Fast and Reliable Agentic MLLMs

AI 导读

针对现有多模态大模型(MLLM)在图像辅助推理中串行循环慢且缺乏可靠性评分的问题,本文提出 SpecLook 框架。该方法通过小模型推测代理的下一个观察点并进行验证与修正,仅在证据不足时才调用大模型,从而跳过部分循环步骤。

来源:arXiv · 机器人与计算机视觉 · arxiv.org