提出GeoPID视觉信息几何框架

GeoPID是一种无需训练的几何框架，用于分析视觉语言模型中的多模态信息。基于论文摘要，研究覆盖22个视觉语言模型和14个基准，将信息分解为冗余、模态独有和协同成分，并在推理时选择性放大视觉独有子空间中的视觉表示。摘要报告，在不更新模型参数的情况下，视觉 grounding 能力得到提升，平均相对准确率增益为7.63%。

摘自 arXiv · cs.AI

还没有足够的连续观测数据，暂不绘制趋势。