arXiv · 机器人与计算机视觉· Ziran Li, Qiang Wang, Zhengyu Chen, Shanglin Lei, Borun Chen, Jingang Wang, Xunliang Cai·· 2026-10-09AI 评分72
从文本到视觉:VLM 的能力扩展定律与转移动力学
What Transfers from Text to Vision? Capability Scaling Laws and Transfer Dynamics for VLMs
AI 导读
针对构建视觉语言模型(VLM)时选择大语言模型(LLM)骨干缺乏原则的问题,本文提出能力驱动的多模态扩展定律。该框架首次通过主成分分析提取低维文本能力分数,结合每骨干迁移率与吸收率,准确预测 VLM 基准准确率及训练轨迹。
来源:arXiv · 机器人与计算机视觉 · arxiv.org