Компиляция Харнесса: Какие решения следует сохранить в модели маловидения?

Компьютерные науки > Искусственный интеллект [представлен 8 октября 2026 года] Название: Harness Compilation: Какие решения следует сохранить в модели малого видения? Вид PDF HTML (экспериментальное) Резюме: Малые модели языка зрения могут быть способны читать внешние доказательства, но при этом они не смогут их получить. Мы введем систему Harness Compilation (HC) - офлайновую процедуру, которая корректирует разделение работы между замороженным маленьким VLM и его внешним жгутом. Большой учитель использует следы казни учащихся для пересмотра многократного использования содержания и контроля, в то время как отдельный набор подтверждения выбирает развернутый жгут. Развертывание не требует ни обновления веса, ни вызова учителя. В семи режиме визуального ответа на вопросы с учащимися, имеющими максимум 9B параметров, HC повышает баллы по сравнению с голыми студентами на 9,9-23,9 очка, усредненный за три независимых здания в каждом. Выступления по пяти типам текущих решений (призыв, отбор, подготовка аргументов, интеграция доказательств и воздержание) показывают почему такое распределение имеет значение: запрос доказательств и получение открытых запросов могут быть дорогостоящими, в то время как ограниченный выбор и чтение представленного текста может оставаться полезной работой студентов. Карточки фактов приносят пользу всем десяти оцененным студентам, но политика принятия решений меняется неравномерно. Рекомпилация новой студенческой модели помогает, когда переводный интерфейс…