★ 3
AROMA：面向视觉语言模型的自适应多模态表征控制框架
论文提出 AROMA，一个冻结 VLM 的控制框架，将干预位置、几何与增益、目标可达性与选择性部署拆分为独立控制问题。在 Llama-3.2-11B-Vision-Instruct 上，幅度归一化因果子空间干预使精确计数准确率提升 8 个百分点，迭代最小努力干预达到 81.25% 的 oracle…
arXiv cs.LG6 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 AROMA，一个冻结 VLM 的控制框架，将干预位置、几何与增益、目标可达性与选择性部署拆分为独立控制问题。在 Llama-3.2-11B-Vision-Instruct 上，幅度归一化因果子空间干预使精确计数准确率提升 8 个百分点，迭代最小努力干预达到 81.25% 的 oracle…