跳到主要内容
检索

# 自引证据方法(SEE)

1 篇关联报道

订阅更新
  1. arXiv

    冻结视觉语言模型答错却指得准:SEE不训练、不借检测器,小目标基准五个骨干全部提升

    冻结的视觉语言模型常能指出问题所需细节的位置,却在直接作答时漏掉这些细节。SEE把这一现象变成一种无需训练的重看流程:当初始答案置信度低时,让同一模型自行提出若干候选区域,在放大裁剪图上重新作答,并把模型对整图的转写文本与问题一起输入,最后按答案词概率的置信度加权投票,原始答案保留一票。在V*Bench、HR-Bench 4K与8K三个小目标基准上,SEE让五个冻结骨干的每一组模型–基准都提升2.3至13.1点,小目标平均从72.4%升到78.2%,并高于五个免训练基线。

已读完全部报道