Meta 联合发布 AVTR:让多模态模型学会视觉想象
Meta 联合 KAUST、Princeton 发布 AVTR(Adaptive Multimodal/Visual-Textual Reasoning)论文,针对视觉语言模型过度依赖文本推理的缺陷,引入自适应的「视觉想象」路由机制,让模型在需要时调用视觉想象进行推理。实验显示该方法在 16 个基准上平均提升 4.5 分,同时将延迟降低 33%。
2026-11-19 ~ 2026-11-21 · 2 条相关
- Meta AVTR:视觉想象路由机制提分4.5、延迟降33% — meta · 2026-11-19
- Meta AVTR:让多模态模型学会「视觉想象」,16 基准平均提升 4.5 分 — liuzhuang1234 · 2026-11-21