כתבה
arXiv cs.CL ·
למידה של זיהוי זום בעזרת קורס חידושי
Learning to Zoom Efficiently with a Contrastive Curriculum
במאמר זה, המחברים מציגים קורס חידושי ללמידה של זיהוי זום בעזרת חידושי חידושי. הם מציעים פרסום חדש ללמידה של זיהוי זום, שמשתמש בקורס חידושי של חידושי חידושי. המחברים מציגים ניסויים על $V^*$, HRBench ו-MME-RealWorld, ומציעים קורס חידושי חדש ללמידה של זיהוי זום.
תקציר מקורי באנגליתarXiv:2609.03206v1 Announce Type: cross Abstract: Using a zoom-in tool is an important foundational part of modern visual agents, because it allows to efficiently handle tasks involving high-resolution images. Most previous methods need an extensive warm-start supervised fine-tuning phase for teaching models zoom-in. We show that this is not necessary by proposing a new intrinsic reward for learning tool use in MLLMs without the need for additional labels or warm-start SFT. Our InfoNCE-style reward uses a curriculum of increasingly hard negative tool calls as a contrastive training signal. Empirical experiments on $V^*$, HRBench and MME-RealWorld show that our approach is competitive while being more efficient. When used as a drop-in replacement for SFT, we even outperform all baselines. T
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית