跳到正文
arXiv · NLP· Tobias Braun, Marcus Rohrbach, Lorenzo Cavallaro·· 12 小时前AI 评分37

大象在问题中:统一模型可视化答案背后的概念

The Elephant in the Question: Unified Models Picture the Concepts Behind Their Answers

AI 导读

研究提出V-lens,利用统一多模态模型的图像生成能力,无需训练解码器即可可视化选定token的隐状态。 在BAGEL、SenseNova-U1等模型上应用lens tuning后,代词指代正确可视化率从2-11%提升至86-94%,且该视觉监督意外改善了文本答案质量。

来源:arXiv · NLP · arxiv.org