无需训练的解码掩码提升多问同图准确率
热点事件持续更新
无需训练的解码掩码提升多问同图准确率
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
针对同一图片多问一答导致视觉语言模型准确率波动的问题,Xinyi Guo 等人提出并验证了“读在一起,分头回答”(Read Together, Answer Apart)策略。该方案在保持共享预填充阶段的同时,通过无需训练的解码掩码隔离各答案生成过程。 该方法在 22 个开源权重(1B-35B)的视觉语言模型上有效修复了共问场景下的错误:在密集描述图片基准(DCI)上,所有模型的单问题错误修复率介于 15.4% 至 29.8%,其中 12 个模型准确率提升最高达 4.71 个百分点;在 WebUI、FinTabNet 和 GQA 等基准上也分别实现了显著的性能改善。
AI 根据报道生成 · 11 小时前更新
最新进展11月19日 13:00
Read Together, Answer Apart:早期问题如何帮助视觉语言模型看图报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉Read Together, Answer Apart:早期问题如何帮助视觉语言模型看图
针对同一图片多问一答(co-asking)导致准确率波动的问题,研究者在 22 个开源权重 VLMs 上发现,早期问题通过预填充阶段将视觉信息读入问题 token,有助于后续问题聚焦目标。为此提出 Read Together, Answer Apart 这一无需训练的解码掩码策略,在保持共享预填充的同时隔离各答案生成过程,显著提升了 DCI、WebUI 等基准上的共问准确率。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 911月19日 16:00
- 近 24 小时变化
- –
02.557.510
16:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。