跳到正文
arXiv · NLP· Ziran Li, Qiang Wang, Zhengyu Chen, Shanglin Lei, Borun Chen, Jingang Wang, Xunliang Cai·· 2026-10-09AI 评分26

能力驱动的多模态缩放定律:VLM 预测 VLM 性能

What Transfers from Text to Vision? Capability Scaling Laws and Transfer Dynamics for VLMs

AI 导读

论文提出 Capability-Driven Multimodal Scaling Law 框架,利用 LLM 文本能力预测 VLM 基准准确率,无需训练即可预测。 通过 34 个 LLM 训练 150+ 个 VLM,在 250+ 个基准上验证,能精准预测不同参数规模及未见过的模型家族表现。 该框架将骨干模型选择从低效的经验扫描转变为量化的科学决策,并揭示基准作弊现象。 ```

来源:arXiv · NLP · arxiv.org