arXiv 人工智能· Junxin Wang, Yingfeng Luo, Xiangchen Song, Weiqiao Shan, Runsong Zhao, Xinyu Liu, Shunjie Xing, Yifu Huo, Dingyang Lin, Qiuyu Gu, Yongyu Mu, Chenglong Wang, Changliang Li, Jingbo Zhu, Tong Xiao·· 7 小时前AI 评分34
PEAR：面向大视觉语言模型感知与探索的自适应优势重构方法
PEAR: Adaptive Advantage Reshaping for Perception and Exploration in Large Vision-Language Models
AI 导读
研究人员提出面向大视觉语言模型的自适应优势重构方法 PEAR，以提升多模态推理中的感知与探索能力。PEAR 以视觉依赖为基础信号，仅在高熵位置引入反比于视觉依赖的熵增益，并映射为 token 级正权重来重构序列级优势。在 Qwen2.5-VL-3B 和 Qwen2.5-VL-7B 上的实验显示，PEAR 在多模态推理基准上取得最高平均性能，并在文本推理与通用多模态任务中取得领先表现。
来源：arXiv 人工智能 · arxiv.org