跳到正文
arXiv · ML· Tao Tao, Anke Tang, Enneng Yang, Zhi Hou, Xiaogang Wang, Dacheng Tao·· 3 天前AI 评分33

UNITE:基于共享锚点一位因子化整合具身 VLM 专家

UNITE: Consolidating Embodied VLM Specialists via Shared-Anchor One-Bit Factorization

AI 导读

论文提出 UNITE 框架,将四个 Qwen3-VL-8B 具身视觉语言专家整合为共享主干混合专家模型,总存储仅 20.3 GB,比未压缩 MoE 节省 59.6%。模型采用共享浮点锚点与专家特定位二值化表征,适配阶段仅更新少于 0.6M 参数。在 22 项基准测试中,UNITE 在扫描理解与导航任务上超越各源专家,最高提升 19.1 分。

来源:arXiv · ML · arxiv.org