Hugging Face Daily Papers· Xi Xiao·· 20 天前AI 评分22
重新思考潜在视觉推理：让潜在推理锚定在视觉证据上
Rethinking Latent Visual Reasoning: Grounding Latent Reasoning in Visual Evidence
AI 导读
研究分析了多模态大语言模型潜在视觉推理（LVR）中潜在 token 的行为，发现存在"潜在证据信用缺口"：当图像扰动改变正确答案时，潜在 token 的响应很弱。作者认为该问题源于缺乏显式监督，并据此提出将潜在推理锚定在视觉证据上的方法。
来源：Hugging Face Daily Papers · huggingface.co