arXiv · 机器人与计算机视觉· Yi Fang, Gaurav Srivastava, Sirui Ding, Xuan Wang·· 2026-10-20AI 评分68
联合、解耦还是智能体:每种多模态对齐范式的胜出场景
Joint, Decoupled, or Agent: When Each Multimodal Alignment Paradigm Wins
AI 导读
论文对比了联合预训练(JOINT)、下游解耦融合(DECOUPLED)和智能体指令(AGENT)三种范式在 16 个数据集上的表现,发现没有单一范式在所有组合中占优。研究提出利用任务诊断与元数据结合的方法,能在留一验证中将选对范式的比例提升至 71.4%,为多模态模型选择提供依据。
来源:arXiv · 机器人与计算机视觉 · arxiv.org