跳到正文
arXiv · ML· J. Zach Gazak, Ryan Swindle, Justin Fletcher·· 7 天前AI 评分33

Sophon:用于视觉-语言模型空间推理的程序化诊断

Sophon: A Procedural Diagnostic for Spatial Reasoning in Vision-Language Models

AI 导读

Sophon 是一个开源程序化诊断工具,揭示开放权重视觉-语言模型在剥离先验后空间推理准确率骤降至47-52%,远低于前沿模型的77-83%。 研究发现瓶颈在于路由机制而非能力缺失,通过针对中间层工作区的LoRA微调,可使7B级模型达到前沿模型的聚合准确率。

来源:arXiv · ML · arxiv.org