arXiv · cs.AI· Qiji Zhou, Junyi Hu, Peiyu Wang, Yue Zhang·· 5 小时前
多模态大模型研究提出视觉干预边界与校准选择性路由
The Evidence Anchoring Boundary: Where Visual Interventions Matter and When They Help in Multimodal LLMs
arXiv:2610.12981v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Qiji Zhou, Junyi Hu, Peiyu Wang, Yue Zhang
研究任务与主要进展
Qiji Zhou、Junyi Hu、Peiyu Wang和Yue Zhang研究视觉干预在多模态大模型不同解码层中的作用，并提出证据锚定边界（EAB）。在三个模型家族的六个检查点上，作者报告边界校准后，边界前对独立查询的干预效果为边界后的13.78—26.10倍；针对属性问题的校准选择性路由使完整数据集准确率提高1.56—1.81个百分点，而通用减法可能无效或有害。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org