arXiv · NLP· Yi Wang, Tianzi Wang, Tong Lei, Dahan Wang, Peter Bell·· 2026-10-15AI 评分25
设计文本界面以增强音视频问答中的 LLM 推理
Designing Textual Interfaces To Enhance Llm Reasoning On Audio-Visual Question Answering
AI 导读
研究通过对比 Qwen3-Omni 和 Gemini 实验,提出直接推理、captioner-reasoner 及 agentic 三种文本界面设计。 直接推理的 prompt 优化收益因模型而异;后两者虽提供可解释性更强优化接口,但优化难度更高。 研究凸显文本界面设计是使 prompt 优化在多模态推理系统中有效的关键因素。
来源:arXiv · NLP · arxiv.org