热点事件持续更新
研究者提出VLM细粒度样本归因方法MOSAIC
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月14日，arXiv发布的研究提出面向视觉语言模型（VLM）的Patch级训练样本归因方法MOSAIC。该方法通过学习共享的正交稀疏图文潜在空间，能够将训练样本的影响精确分解并定位到特定文本短语和图像区域。MOSAIC结合EK-FAC解构影响路径，已在Qwen和Gemma模型上的图像描述、胸部X光理解及视觉问答等任务中完成评测。实验结果表明，消融按影响排名的潜在特征对模型输出的改变，显著大于按激活或频率排名的特征。
AI 根据报道生成 · 5 小时前更新
最新进展10月14日 12:00
研究者发布VLM归因方法MOSAIC，可将训练影响定位至短语和图像区域。报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv 人工智能跨模态潜在影响：视觉语言模型的 Patch 级训练样本归因方法 MOSAIC
研究者提出面向视觉语言模型的归因方法 MOSAIC，通过学习共享的正交稀疏图文潜在空间，实现将训练样本影响精确分解并定位到特定文本短语和图像区域。该方法结合 EK-FAC 解构影响路径，并在 Qwen 和 Gemma 模型上的图像描述、胸部 X 光理解及视觉问答任务中完成评测。实验表明，消融按影响排名的潜在特征对模型输出的改变显著大于按激活或频率排名的特征。
本事件热度走势
当前热度 8·可比范围峰值 9（10月14日 15:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。