Yuquan Li等提出多模态上下文学习ERIM框架

2026年11月2日，Yuquan Li等人在arXiv发布论文，正式提出名为ERIM（显式规则归纳多模态上下文学习）的统一框架。 该框架旨在利用多模态大语言模型的推理能力，通过显式归纳演示样本的潜在规则来提升多模态上下文学习（MICL）性能。 在具体方法上，团队构建了规则中心数据集并引入显式规则归纳监督，同时采用了混合冷启动微调与强化学习的两阶段训练策略。 实验结果显示，正确归纳底层规则能够带来更强且更稳定的性能提升，验证了该框架的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。