arXiv · cs.AI· Jeonghwan Kim, Sofia Stoica, Jiwan Chung, Ansel Blume, Hyeonjeong Ha, Zhenhailong Wang, Xin Luna Dong, Heng Ji·· 1 天前
MoL通过动态层路由提升多模态大模型细粒度视觉推理
Mixture of Layers: Dynamic Layer Routing for Visual Reasoning
arXiv:2610.09440v1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：Jeonghwan Kim, Sofia Stoica, Jiwan Chung, Ansel Blume, Hyeonjeong Ha, Zhenhailong Wang, Xin Luna Dong, Heng Ji
首次提交：2026-10-07 12:50
研究任务与主要进展
MoL提出一种由指令驱动的视觉编码器中间层动态路由方法，根据文本查询聚合与问题相关的隐藏状态，以改善小物体、空间细节、文字和细微视觉属性的细粒度视觉推理。基于论文摘要，作者在7项任务上报告了相对基线多模态大模型的提升：V*总体准确率提高18.9%，HRBench4K提高4.5%，CharXiv提高16.3%；实验未使用多分辨率输入、多个视觉编码器或增加patch token。
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