跳到正文
arXiv · ML· Yanting Miao, Yutao Sun, Dexin Wang, Mengyu Zhou, Pascal Poupart, Lei Lv, Qi Zhao, Li Wang, Hao Li, Xiaoxi Jiang, Guanjun Jiang·· 7 天前AI 评分36

GAP:面向多模态大模型视觉推理的细粒度对齐范式

Fill the GAP: A Granular Alignment Paradigm for Visual Reasoning in Multimodal Large Language Models

AI 导读

GAP通过数据、特征和模型三层对齐解决视觉潜在推理中的特征空间失配问题。在Qwen2.5-VL 7B上,GAP实现了最佳感知与推理综合得分,是唯一在所有对比中两项指标均优于基座模型的潜在方法。 该工作被NeurIPS 2026接收,代码已开源。

来源:arXiv · ML · arxiv.org