arXiv · AI· Siqu Ou, Tianrui Wan, Zhiyuan Zhao, Junyu Gao, Xuelong Li·· 1 天前AI 评分23
SAYO：通过强化学习视觉注意力提升多模态大模型性能
Do MLLMs Really See It: Reinforcing Visual Attention in Multimodal LLMs
AI 导读
SAYO 是一种视觉推理模型，利用强化学习框架引入区域级视觉注意力奖励，解决多模态大模型视觉焦点薄弱及错误传播问题。 该模型在多个多模态基准测试中，持续提升了多样化推理与感知任务的性能表现。
来源：arXiv · AI · arxiv.org