AROMA
一种用于视觉语言模型控制的框架,将定位与控制分离,通过幅度归一化的因果子空间驱动和迭代最小努力驱动等技术,实现选择性干预以提升模型准确率。
时间轴 (近 90 天)
论文《AROMA: Adaptive Representation-Oriented Multimodal Actuation for Vision-Language Model Control》提出了一个将机制定位与行为控制分离的框架。
AROMA将VLM控制拆解为五个独立问题:在哪里干预(where)、使用何种几何与增益(which geometry and gain)、如何到达目标(how)、追求哪个目标(which target)、以及何时行动(when)。
AROMA采用幅度归一化的因果子空间驱动方法,在未触碰的过程性数据上将精确计数准确率提升了8.00个百分点。
在目标与门控均提前冻结的严格评估协议下,定向MEA在一个全新的自然Stage-2队列(N=630)上,将先前冻结策略的准确率从34.444%提升至38.730%(配对p=4.63e-7)。
在全部7,992个样本上,仅编辑63个输入,准确率从65.153%提升至65.741%。
论文通过前瞻性路由、跨注意力头与跨模型复现、以及与归因引导基线的对比,系统性地刻画了定位、驱动、可达性、目标质量和选择性部署五个阶段的独立特性。
论文指出跨模型复现的广度、路由策略的泛化边界、以及目标质量评估在更复杂任务上的表现是开放问题,需要进一步验证。
全部知识事实 (7)
论文《AROMA: Adaptive Representation-Oriented Multimodal Actuation for Vision-Language Model Control》提出了一个将机制定位与行为控制分离的框架。
50%待验证AROMA将VLM控制拆解为五个独立问题:在哪里干预(where)、使用何种几何与增益(which geometry and gain)、如何到达目标(how)、追求哪个目标(which target)、以及何时行动(when)。
50%待验证AROMA采用幅度归一化的因果子空间驱动方法,在未触碰的过程性数据上将精确计数准确率提升了8.00个百分点。
50%待验证在目标与门控均提前冻结的严格评估协议下,定向MEA在一个全新的自然Stage-2队列(N=630)上,将先前冻结策略的准确率从34.444%提升至38.730%(配对p=4.63e-7)。
50%待验证在全部7,992个样本上,仅编辑63个输入,准确率从65.153%提升至65.741%。
50%待验证论文通过前瞻性路由、跨注意力头与跨模型复现、以及与归因引导基线的对比,系统性地刻画了定位、驱动、可达性、目标质量和选择性部署五个阶段的独立特性。
50%待验证论文指出跨模型复现的广度、路由策略的泛化边界、以及目标质量评估在更复杂任务上的表现是开放问题,需要进一步验证。
50%