arXiv · NLP· Zhaoning Zhang·· 3 天前AI 评分26
视觉语言模型跨图像比较失败定位与修复研究
Seen but Unsaid: Locating and Repairing Cross-Image Comparison in Vision-Language Models
AI 导读
研究发现视觉语言模型在跨图像比较中存在特定失败点,通过调整16-32个注意力头可显著提升性能。在Qwen3-VL-8B模型上,仅训练这些头的查询和键投影使SPair-71k准确率提升28.3分,该效果可迁移至其他基准测试。
来源:arXiv · NLP · arxiv.org