Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

ТЕМА · ENTITY #7783

multimodal large language models

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

SpecLook: схема «предположи‑и‑проверь» ускоряет и оценивает агентные MLLM

В публикации arXiv:2611.23483v1 предложена SpecLook — бездообучательная трёхуровневая схема «предположи‑и‑проверь» для агентных мультимодальных LLM: малая модель прогнозирует следующее визуальное наблюдение («взгляд»), пересматривает ответ и только при необходимости вызывает полный инструментальный цикл агента; также метод даёт оценку надёжности ответа без меток. Эксперименты на V*, HR‑Bench и POPE показывают превосходство над базовыми подходами и значительные ускорения (SpecLook: 87.2% и 86.2% средняя точность с ускорением 7.7× и 4.7× по сравнению с DeepEyes‑7B и Thyme‑RL; SpecLook‑Fast: 9.9× и 6.3×).

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Порядок доказательств меняет суждения мультимодальных LLM (некоммутативность перекрестных свидетельств)

В новой статье на arXiv (arXiv:2609.26986v1) исследуют, как порядок противоречивых перцептуальных (изображение или речь) и текстовых доказательств влияет на мультимодальные большие языковые модели. В парном сравнении с фиксированными инструкциями и содержанием, но перемещением позиций источников, авторы показывают, что постановка изображения или записи после противоречивого текста последовательно смещает ответы модели в сторону перцептуального содержания — явление, которое они называют некоммутативностью перекрестных свидетельств.

7.0