跳到主要内容
检索

# 透镜调优

1 篇关联报道

订阅更新
  1. arXiv

    统一多模态模型把答案前的概念画了出来:不训练解码器,代词指代可视化率从2–11%升到86–94%

    统一多模态模型把理解与生成放在同一架构里,图像生成器能读到处理文本时形成的隐藏状态。V-lens 把选定词元的隐藏状态做中心化与逐坐标缩放后放进一句绘图请求,由模型自己的生成器画出图像,无需训练解码器。在 BAGEL、SenseNova-U1 和 HunyuanImage-3.0 上,用这些图像做纯视觉监督的透镜调优,把代词指代的可视化正确率从 2–11% 提升到 86–94%,并在 Show-o2 与 HunyuanImage-3.0 的受监督故事上改善了文本答案。

已读完全部报道