Компьютерные науки > Искусственный интеллект [представлен 14 октября 2026 года] Название: Назначение текстовых интерфейсов для улучшения Llm Разъяснения на аудио-визуальном вопросе Ответ на PDF HTML (экспериментальный) резюме. Мы изучаем вопрос о том, каким образом проект текстовых интерфейсов влияет на оперативную оптимизацию мультимодальности в плане решения аудиовизуальной задачи. Мы сравниваем три проекта интерфейса, включая систему прямых выводов, состоящую из одной многомерной языковой модели (OmniLM), системы подписчиков-изменителей и архитектуры агентов, в которой первичный агент оркестрирует субагент OmmiLM. Эксперименты с Qwen3-Omni и Gemini показывают, что прямая быстрая оптимизация обеспечивает выгоды от модели; система подсказки-изменителя и агентическая система обнаруживают более интерпретируемые интерфейсы оптимизации, но их труднее оптимизировать в тех случаях, когда проводится анализ ошибок по делам, затронутым оптимистикой. В нашем исследовании в качестве важного фактора обеспечения оперативной оптимизации для систем рассудка с использованием всеномодальных методов подчеркивается текстовая схема интерфейса. Подробности нашего осуществления указаны в Repo GitHub. Дополнительные параметры контекст текущего просмотра: cs.AI ссылки и цитаты Загрузка... Библиографический и цитационно-инструментальный библиолог (Что является Исследовательом?) Подключённые документы (что такое подсоединенные бумаги?) Litmaps (Литмпапс?) Skite Smart Citations (Каков умный цитаты?)…
Разработка текстовых интерфейсов для повышения эффективности рассуждения на аудио- и видеовопросы
arXiv:2610.20085v1 Аннонс Тип: перекрестное резюме: Автоматическая быстрая оптимизация (АПО) продемонстрировала высокую эффективность для текстовых МЛМ и систем LLM, однако ее применение к аудиовизуальным системам понимания требует подходящих текстово-понятных интерфейсов, с помощью которых мультимодальные рассуждения могут быть доступны для текстопроцессоров. Мы изучаем вопрос о том, каким образом проект текстовых интерфейсов влияет на оперативную оптимизацию мультимодальности в плане решения аудиовизуальной задачи. Мы сравниваем три проекта интерфейса, включая систему прямых выводов, состоящую из одной многомерной языковой модели (OmniLM), системы подписчиков-изменителей и архитектуры агентов, в которой первичный агент оркестрирует субагент OmmiLM. Эксперименты с Qwen3-Omni и Gemini показывают, что прямая быстрая оптимизация обеспечивает выгоды от модели; система подзаголовков-изменителей и агентическая система обнаруживают более интерпретируемые интерфейсы оптимизации, но их труднее оптимизировать в тех случаях, когда анализ ошибок по делам aff
