★ 3
研究扩展多模态大模型检索头分析并优化 Qwen3-VL
论文将检索头分析扩展到音视频模态，发现检索头在新模态中仍稀疏且跨模态大量共享，消融后几乎消除全部音视频检索能力。作者以排序目标训练检索头注意力，使 Qwen3-VL-8B 在 MMDocIR 上页面 Recall@1 提升 6.03 点，并改善三个模型家族的文档检索。
arXiv NLP7 天前
#Qwen3-VL
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
无监督多模态奖励建模：冻结 Qwen3-VL 中间层超越 GPT-4o
一篇 arXiv 论文提出无需人工偏好标注的多模态奖励模型：在冻结的 Qwen3-VL 主干中间层上训练线性头，用同图扰动字幕做对比打分，标注数据仅用于选层。该方法在 32B 规模下于三个基准上追平或超过 GPT-4o，VL-RewardBench 领先 6.6 分，算力仅为微调的千分之一。研究还…
arXiv NLP21 天前
这个主题的相关资产
相关公司阿里巴巴1