arXiv · AI· Shunming Liu, Pei Huang, Yajing Sun, Huaxiao Liu·· 7 天前AI 评分25
面向鲁棒视觉语言推理:基于掩码扩散模型的多阶段优化管线
Towards Robust Vision-Language Reasoning: A Multi-Stage Optimization Pipeline with Masked Diffusion Model
AI 导读
论文提出 Masked Diffusion Drive(MD-Drive)多阶段优化管线,在 NAVSIM 闭环基准上较未优化模型性能提升 29.7%。 该方法结合监督微调、强化学习及动态解码 DAD,无需辅助专家模块。MD-Drive 在 nuScenes 和 DriveCoT 数据集上超越同架构自回归基线,实现性能与计算成本更优平衡。
来源:arXiv · AI · arxiv.org