Доверие к визуальному токену: удаленные доказательства и контролируемые риском бюджеты для MLLM
arXiv:2604.1.2035v4 Тип анонсации: заменить резюме: Visual Timber Cirning ускоряет мультимодальные большие языковые модели (MLMs) путем сохранения небольшого подтипа визуальных символов, и методы стирания сопоставляются с точностью, которую они сохраняют. Мы изучаем то, что скручивание делает для уверенности этих моделей, между общими выборщиками, несколькими МЛЛМ и различными форматами вывода. Погрешности с прорезью сосредоточены на вопросах, показания которых удалённый переключатель, и уверенность не регистрирует удаление. Когда объект теряет все свои символы, точность в этих вопросах снижается с 59% до 17%, а уверенность остается на неустранённом уровне. Возвращение нескольких символов объекта в сохраненный набор возвращает большую часть потерянной точности. Выборщики, которые держат наиболее посещаемые символы, чаще всего удаляют такие доказательства и создают уверенные ошибки, а масштабирование температуры не может повториться. Отборы, которые избегают сохранения избыточных символов, остаются рядом с калибровкой некастрированной модели. Затем мы используем доверие p
