arXiv Artificial Intelligence· Junxin Wang, Yingfeng Luo, Xiangchen Song, Weiqiao Shan, Runsong Zhao, Xinyu Liu, Shunjie Xing, Yifu Huo, Dingyang Lin, Qiuyu Gu, Yongyu Mu, Chenglong Wang, Changliang Li, Jingbo Zhu, Tong Xiao·· 2 小时前AI 评分22
PEAR：面向大型视觉语言模型感知与探索的自适应优势重塑
PEAR: Adaptive Advantage Reshaping for Perception and Exploration in Large Vision-Language Models
AI 导读
PEAR 是一种面向多模态推理的自适应优势重塑方法，以视觉依赖度为基础信号，仅在高熵位置叠加基于熵的探索增益，视觉依赖度越低增益越大，融合信号再映射为正的 token 级权重以重塑序列级优势。在 Qwen2.5-VL-3B/7B 上的实验显示，PEAR 在多模态推理基准上取得所评估基线中的最高平均性能，并在文本推理和通用多模态基准上同样领先。
来源：arXiv Artificial Intelligence · arxiv.org