כתבה
arXiv cs.AI ·
CUSP: חישוב סולידי של חוסר הוודאות הקולקטיבי למחשוב מולטימודלי
CUSP: Decomposable Collective Uncertainty for Multi-Agent Multimodal Reasoning
CUSP (Collective Uncertainty through Semantic Opinion Pooling) - פרקטיקה חדשה לחישוב חוסר הוודאות הקולקטיבי של מערכות מולטימודליות. הפרקטיקה ניתנת ליישום על מודלי VLM פתוחים ומסחריים. CUSP מספקת שני סימני ודאות סיסטמיים: חוסר הוודאות הקולקטיבי, התפשטות הדעות הקולקטיביות, וה-Jensen-Shannon divergence (JSD), המתאר את הסכסוך בין הדעות המודליות.
תקציר מקורי באנגליתarXiv:2609.05708v1 Announce Type: new Abstract: Aggregating heterogeneous vision-language models (VLMs) can improve multimodal reasoning, but neither an individual model's confidence nor that of the aggregated answer measures reliability at the system level. We present CUSP (Collective Uncertainty through Semantic Opinion Pooling), a training-free uncertainty quantification framework that maps multiple VLM responses to a shared semantic response space, pools them into a pooled semantic opinion, and reports two complementary system-level signals: collective uncertainty, the dispersion of the pooled opinion, and Jensen-Shannon divergence (JSD), the conflict among the model-level opinions. Within this pooled semantic opinion, the unnormalized collective entropy decomposes exactly into the mea
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית