arXiv · AI· Miso Choi, Daekeun Kim, Eunji Kim, Jungbeom Lee·· 5 小时前AI 评分27
V-LUMEN: 视觉查找内存用于视觉语言模型的嵌入缩放
V-LUMEN: Visual Lookup Memory for Embedding Scaling in Vision-Language Models
AI 导读
这项研究引入 V-LUMEN，一种视觉查找内存，通过将冻结 Qwen3-VL-2B 主干扩展容量，在五个推理密集型基准上取得显著改进，并零样本迁移到三个图像不重叠的基准。
来源：arXiv · AI · arxiv.org