arXiv · cs.AI· Laura Yao, Shixing Yu, Jie Peng, Promit Ghosal, Kyra Gan, Tianlong Chen·· 1 天前
MOSAIC：面向视觉语言模型的跨模态潜在影响与训练样本归因
Cross-Modal Latent Influence: Patch-Level Training Sample Attribution for Vision-Language Models
arXiv:2610.14190v1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：Laura Yao, Shixing Yu, Jie Peng, Promit Ghosal, Kyra Gan, Tianlong Chen
研究任务与主要进展
研究作者提出 MOSAIC，一种面向视觉语言模型的训练样本归因方法，将训练样本影响分解到图文共享的稀疏概念，并定位到具体文本短语和图像区域。该方法在 Qwen 和 Gemma 的图像描述、胸部 X 光理解与视觉问答任务上进行评估，作者报告其潜在特征具有更好的局部化和一致性，同时未降低任务表现。
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