arXiv·· 12 天前AI 评分22
CVIF：面向 MLLM 几何图形理解的关键性驱动视觉干预框架
CVIF: A Criticality-Driven Visual Intervention Framework for Geometric Diagram Understanding in MLLMs
AI 导读
针对 MLLM 几何图形理解中视觉线索稀疏、符号与图元关联模糊的问题，研究者提出免训练的推理期方法 CVIF，通过定位关键层并在证据聚合向语义解码过渡时执行视觉干预。该方法旨在减少模型依赖文本先验、给出与视觉证据相冲突解读的情况。
来源：arXiv · arxiv.org