热点事件持续更新
研究提出全模态推理以文本为中心的后训练范式
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月5日，arXiv发布的研究提出面向全模态大语言模型的以文本为中心后训练范式。该方法先通过纯文本训练优化核心推理能力，再通过减量音视频强化学习（RL）恢复感知能力。在Qwen2.5-Omni-7B模型上的实验显示，纯文本微调与RL使9项推理得分几何均值较基座提升25.83%，并节省56.6%的GPU工时；后续音视频微调在减少约90%输入token的情况下恢复了感知能力，同时保留了93.5%的推理增益。
AI 根据报道生成 · 2 小时前更新
最新进展10月5日 12:00
研究提出先纯文本训练再减量音视频RL的后训练范式，显著提升全模态推理并节省算力。报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv 自然语言处理面向全模态推理的以文本为中心后训练
研究提出面向全模态大语言模型的以文本为中心后训练范式，先用纯文本训练优化核心推理，再通过减量音视频强化学习（RL）恢复感知能力。在 Qwen2.5-Omni-7B 上，纯文本微调与 RL 使 9 项推理得分几何均值较基座提升 25.83%，并节省 56.6% 的 GPU 工时。后续音视频微调减少约 90% 输入 token，恢复感知的同时保留了 93.5% 的推理增益。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。