PIVOT: двухуровневая обучающая схема для визуально-обоснованного мультимодального рассуждения
В работе arXiv:2609.18057v1 предложен PIVOT — двухуровневая обучающая схема для больших визуально-языковых моделей, включающая самокалиброванный реплей опыта для сохранения визуально значимых траекторий и механизм распределения преимущества с учётом визуальной информации; эксперименты показывают конкурентоспособные улучшения на разнообразных бенчмарках мультимодального рассуждения.