VisKG框架利用知识图谱提升视觉推理

Ting-Chih Chen等团队提出VisKG框架，利用强化学习将视觉内容转换为特定问题的知识图谱。该框架在保留推理所需结构的同时，有效过滤了感知噪声。 该框架采用GDPO技术进行后训练，相比GRPO平均提升准确率2%。实验显示，在科学、数学及通用视觉理解基准上，VisKG性能与基线相当或更优，且使用的token数量少于基于图像描述的输入。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。