כתבה
arXiv cs.LG ·
InfluenceField: שדה תלוי-משתנה עם סטרוקטורה קאוזלית זהוית למודלי עולם מרוב-תפקיד
InfluenceField: A Differentiable Field with Interventionally Identifiable Causal Structure for Multimodal World Modeling
InfluenceField הוא שדה תלוי-משתנה שמציג סטרוקטורה קאוזלית זהוית למודלי עולם מרוב-תפקיד. השדה נועד לחקור איך פעולות חדור-מקום פוגעות בתשובות שלאחר-מכן. InfluenceField נלמד יחד עם מודלי עולם גדול-מילים, והוא משפר את דיוק המודל ב-13.1%.
תקציר מקורי באנגליתarXiv:2609.07874v1 Announce Type: new Abstract: Multimodal large language models often capture visual-linguistic correlations but struggle to predict how local visual interventions propagate and affect downstream answers. We introduce InfluenceField, an intervention-aware latent field inserted between the visual encoder and language decoder. It lifts patch features into a continuous spatial representation, propagates directed influence over multiple steps, and predicts local intervention effects through a shared transition operator. Training jointly optimizes language modeling, cross-environment invariance, counterfactual rollout supervision, and structural regularization. For a nonlinear finite-basis population model, we show that target-aligned interventional supervision, together with a
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית