arXiv Artificial Intelligence· Laura Yao, Shixing Yu, Jie Peng, Promit Ghosal, Kyra Gan, Tianlong Chen·· 18 小时前AI 评分22
MOSAIC：面向视觉语言模型的 patch 级训练样本归因
Cross-Modal Latent Influence: Patch-Level Training Sample Attribution for Vision-Language Models
AI 导读
MOSAIC（Multimodal Orthogonalized Sparse Autoencoders for Influence Characterization）为视觉语言模型提供 patch 级训练样本归因，学习共享稀疏图像—文本隐空间，并用 EK-FAC 将训练样本影响分解到具体文本短语和图像区域。
来源：arXiv Artificial Intelligence · arxiv.org