GAVAGAI用平衡最优传输实现指称对齐

Rajdeep Pal等作者提出GAVAGAI方法，将场景视为内容词与可见区域之间的分配问题，用熵最优传输求解，为婴儿规模视觉语言模型加入显式指称变量。 该方法设置NOTHING列，允许词不指向任何区域，并限制单区域分配质量上限以编码互斥性；作者称对齐仅需约8次Sinkhorn迭代。 作者在论文中称已验证该方法，但报道未给出具体实验效果数据。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。