EDMA 论文被 NeurIPS 2026 接收

1. 12:00
   arXiv · AI

   EDMA: 基于熵驱动的多模态问答方法

   EDMA 框架提出使用逻辑熵形式化多模态问答，通过量化各模态对候选答案的区分贡献来优化回答轨迹，并显著超越了现有基线。 其在标准 MMQA 基准上实现平均 F1 分数比 Planning Prompting 提升 12.8 点，比 Chain-of-Thought 提升 18.6 点，验证了熵水平作为正确推理路径可靠代理指标。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。