热点事件持续更新

研究提出按需控制视觉语言模型模态的方法

1 篇报道1 个报道来源12 小时前更新

先了解这件事

AI 综述

研究人员提出一种按需模态 grounding 方法，让视觉语言模型依据用户指定的图像或文本证据作答；论文评测显示，学习得到的模态词比自然语言指令更能控制模型采用指定模态。该方法通过反事实干预检验模型是否遵循指定证据，只训练视觉与文本 grounding 新词的嵌入，并加入反事实双边际监督（CTM）。作者在三种视觉语言模型、三个既有基准和 Ground-CF 上进行了评估。

AI 根据报道生成 · 3 小时前更新

最新进展10月28日 12:00

按需依据：学习视觉语言模型的模态控制

报道时间线

沿着报道，了解事件的不同侧面。

10月28日

12:00
arXiv · Machine Learning
按需依据：学习视觉语言模型的模态控制
研究提出视觉语言模型的按需模态 grounding 学习方法，并以反事实干预检验模型是否遵循用户指定的图像或文本证据。方法只训练视觉与文本 grounding 新词的嵌入，并加入 Counterfactual Twin-Margin（CTM）监督；在三种 VLM、三个既有基准和 Ground-CF 上，学习的模态词比自然语言指令控制更好。

本事件热度走势

可比范围当前: 7
可比范围峰值: 810月28日 21:00
近 24 小时变化: –

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。