研究多模态LLM视觉干预边界并提出选择性路由

Qiji Zhou、Junyi Hu、Peiyu Wang和Yue Zhang在arXiv论文（arXiv:2610.12981）中研究视觉干预在多模态大模型不同解码层中的作用，提出证据锚定边界（EAB）。作者报告，在三个模型家族的六个检查点上均观察到干预效果在某一解码边界后持续下降；校准该边界后，边界前对独立查询的干预效果为边界后的13.78—26.10倍。 基于该边界，作者提出校准选择性路由：针对属性问题，在三个检查点上使完整数据集准确率提高1.56—1.81个百分点，而通用的边界前干预（减法）可能无效或有害。以上数字均来自作者报告，基于论文摘要。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。