EDMA：基于熵驱动的多模态问答框架

研究人员提出基于逻辑熵的多模态问答框架 EDMA，将问答过程形式化为迭代降熵过程，以量化各模态在区分候选答案时的具体贡献。EDMA 引入模态条件分区、熵驱动多模态融合及基于降熵的回答轨迹选择机制。在标准 MMQA 基准评测中，EDMA 相比 CoT 平均提升 18.6 F1 和 8.3 LLM-J 点，相比 Planning Prompting 提升 12.8 F1 和 4.6 LLM-J 点。