SquintBench 与 Squint OPSD 诊断并缓解多模态模型斜视文本缺陷

Chen Peng 等论文作者提出 SquintBench 基准和 Squint OPSD 训练方法，命名并研究多模态大模型读取眯眼可辨文字（Squint Text）的识别缺陷。SquintBench 含 1076 张来自生产环境审核任务的图像，另有受控合成套件 SquintCtrl 用于机制诊断。 Squint OPSD 让冻结权重的教师模型接收降尺度视图和真实转录作为特权上下文，其 token 级分布在学生模型自采样轨迹上监督学生。据论文结果，Squint OPSD 在 SquintBench 上达 88.61 ANLS，未适配的骨干模型为 26.50，原视图下最佳通用模型为 24.44，现成模型在降尺度视图下最好也只有 68.60。

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。