跳到正文
arXiv · 机器人与计算机视觉· Jiajun Fan, Neil He, Bangji Yang, Qinglong Zheng, Ziwen Wang, Chaoran Cheng, Changyi Yang, Hanqi Mao, Ge Liu·· 4 小时前AI 评分73

Keel:一种通过重写权重大修视觉语言模型的边界模型方法

Keel: A Frontier Model Teaches a Vision-Language Model by Rewriting Its Weights

AI 导读

arXiv 论文提出 Keel,这是首个针对图像任务的代理式权重编辑方法,旨在修复小尺寸视觉语言模型(如 Qwen3.5)在思考模式下的推理循环问题。该方法利用边界多模态大模型作为代理,仅根据症状定位并编辑权重以消除循环,无需额外训练即可显著提升准确率并缩短回答长度。实验显示,该方法在多个图像基准测试中表现优于所有免训练基线,特别是在 GUI 接地任务上效果显著。

来源:arXiv · 机器人与计算机视觉 · arxiv.org