arXiv · ML· Mehmet Onurcan Kaya, Desmond Elliott, Dim P. Papadopoulos·· 21 小时前AI 评分27
SIMIT：测试时通过想象自举提升视觉语言模型性能
SIMIT: Self-Improving Vision-Language Models via Imagination at Test-Time
AI 导读
SIMIT 提出一种测试时自我改进框架，视觉语言模型通过想象自身可控的相似问题生成训练数据，无需标注或外部模型。 框架合成多样化多模态三元组，结合图像生成与可扩展技能库，并通过多阶段验证与自适应预算分配采样。在 17 个基准上，最佳配置较 BAGEL-7B 提升 7.20%，无训练模式提升 6.98%。
来源：arXiv · ML · arxiv.org