arXiv · AI· Zhuoming Liu, Jinhong Lin, Kwan Man Cheng, Lin Zhang, Shayok Bagchi, Yin Li·· 5 小时前AI 评分34
DRIFT：用于视觉语言模型连续输出解码的残差流适配器
DRIFT: A Residual Flow Adapter for Decoding Continuous Outputs in Vision-Language Models
AI 导读
提出DRIFT框架，结合基础预测器与基于流匹配的生成细化模块，将全局输出分布建模转化为围绕强先验的局部残差分布建模，以适配视觉语言模型的连续解码任务。 该框架在包括视觉定位和机器人控制在内的感知与规划任务上进行评估，在跨MLLMs、VLAs和WAMs的多种架构中，持续优于基于回归和生成的强基线方案。
来源：arXiv · AI · arxiv.org